MétaCan
Menu
Retour à la cohorte
Enregistrement W2025277702 · doi:10.1139/s02-017

Comparaison de divers adsorbants naturels pour la récupération du plomb lors de la décontamination de chaux usées d'incinérateur de déchets municipaux

2002· article· en· W2025277702 sur OpenAlexvenueno aff
J. F. Blais, E Salvano, Fatima Hammy, Guy Mercier

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdsorption and biosorption for pollutant removal
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLeachateLimeAdsorptionPulp and paper industryLeaching (pedology)ChemistryEnvironmental scienceContaminationWaste managementEnvironmental chemistryMaterials scienceMetallurgy

Résumé

récupéré en direct d'OpenAlex

The objective of this research was to compare the efficiency of different natural adsorbents for lead recovery from basic leachate produced during municipal incinerator used lime decontamination. Shake flasks adsorption tests have shown that cedar barks, pine barks, cocoa shells, and peat moss are efficient and cheap adsorbents for lead removal from this type of leachate. Peanut skins are less efficient than other tested natural materials. The use of a hot-acid treatment (H 2 SO 4 0.75 M) allows to slightly increase lead removal performance of the adsorbents. However, this gain does not justify, from an economical point of view, the utilization of the chemical treatment. Tests done with different cedar and pine bark concentrations (2–30 g/L) have revealed that heavily lead-contaminated (approximately 130–140 mg/L) used lime leachate can be efficiently treated by addition of a small adsorbent concentration (e.g. 2 g/L). Finally, elution tests (HCl 0.5 M) with reuse of adsorbents have demonstrated that some natural materials, like cedar barks and cocoa shells, can be used for many adsorption–elution cycles without loss of lead removal efficiency. Key words: lead, adsorption, used lime, leaching, peat, bark.[Journal translation]

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,897
Score d'incertitude au seuil0,517

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 savante0,0000,000
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 Opus0,006
Tête enseignante GPT0,200
Écart entre enseignants0,194 · 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'étudeExpérimental (laboratoire)
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

Citations6
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetAdsorption and biosorption for pollutant removalTravaux en français237 207