MétaCan
Menu
Retour à la cohorte
Enregistrement W2012952503 · doi:10.1080/15320383.2014.808171

A Counter-Current Acid Leaching Process for the Remediation of Contaminated Soils from a Small-Arms Shooting Range

2013· article· en· W2012952503 sur OpenAlexafffund
Stéphanie Lafond, Jean‐François Blais, Guy Mercier, Richard Martel

Notice bibliographique

RevueSoil and Sediment Contamination An International Journal · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrokinetic Soil Remediation Techniques
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésEnvironmental remediationLeaching (pedology)LeachateSoil waterContaminationSoil contaminationChemistryEnvironmental chemistryMetalEnvironmental scienceEnvironmental engineeringSoil science

Résumé

récupéré en direct d'OpenAlex

The objective of this research was to use a counter-current leaching process (CCLP) with leachate treatment to develop a remediation process for contaminated soils at a small-arms shooting range (SASR). The soil contaminant concentrations were 245 mg Cu kg−1, 3,368 mg Pb kg−1, 73 mg Sb kg−1, and 177 mg Zn kg−1. The CCLP includes three acid leaching steps (1M H2SO4 + 4M NaCl, t = 1 h, T = 20°C, soil suspension = 100 g L−1), followed by one water rinsing step (1 h). Seven counter-current remediation cycles were completed, and the average resulting metal removals were 93.2 ± 3.5% of Cu, 91.5 ± 5.7% of Pb, 82.2 ± 10.9% of Sb, and 30.0 ± 11.4% of Zn. The metal leaching performances decreased with the number of completed cycles. Soil treated with the CCLP with leachate treatment process met the USEPA threshold criteria of 5 mg Pb L−1 in the TCLP leachate. The CCLP allows a decrease of the water use by 32.9 m3 t−1 and the chemicals’ consumption by approximately 2,650 kg H2SO4, 6,014 kg NaCl, and 1,150 kg NaOH per ton of treated soil, in comparison to standard leaching processes. This corresponds to 78%, 69%, 83%, and 67% of reduction, respectively.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,914
Score d'incertitude au seuil0,526

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,267
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSoil and Sediment Contamination An International JournalMême sujetElectrokinetic Soil Remediation TechniquesTravaux en français237 207