MétaCan
Menu
Retour à la cohorte
Enregistrement W2028715253 · doi:10.1061/(asce)ee.1943-7870.0000887

Pilot-Scale Decontamination of Small-Arms Shooting Range Soil Polluted with Copper, Lead, Antimony, and Zinc by Acid and Saline Leaching

2014· article· en· W2028715253 sur OpenAlexaffabout
Karima Guemiza, Guy Mercier, Jean‐François Blais

Notice bibliographique

RevueJournal of Environmental Engineering · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesRégion Normandie
Mots-clésLeaching (pedology)ChemistryZincAntimonyHuman decontaminationCopperNuclear chemistryMetalCoprecipitationReagentEnvironmental chemistrySoil waterInorganic chemistryWaste managementGeology

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to evaluate at the pilot scale the performance of a chemical leaching process for Pb, Cu, Sb, and Zn removal from a fine fraction (<125 μm) of soil at two Canadian small-arms shooting ranges (SASR; Batoche: 418 mg Cu/kg, 5,006 mg Pb/kg, 168 mg Sb/kg, and 96 mg Zn/kg; Normandie: 1,015 mg Cu/kg, 6,024 mg Pb/kg, 305 mg Sb/kg, and 177 mg Zn/kg). A comparison of different leaching reagents revealed that the use of H2SO4 (0.125M)+NaCl (4 M) is a very promising option from an economic point of view to solubilize metallic pollutants from highly polluted soils. The results showed that chemical treatment, including three successive acid-leaching steps (0.125MH2SO4+4MNaCl, PD=10%, t=1h, T=20°C) followed by one rinsing step using water [pulp density (PD)=10%, time (t)=15 min, temperature (T)=20°C], resulted in metal removal yields of 93% Cu, 97% Pb, 89% Sb, and 70% Zn in Batoche soil and 85% Cu, 96% Pb, 59% Sb, and 49% Zn in Normandie soil. Subsequently, Sb and other dissolved metals (Cu, Pb, and Zn) were successfully recovered via chemical precipitation/coprecipitation (99.1% Cu, >99.9% Pb, 95.1% Sb, and 99.9% Zn—Batoche; 90.4% Cu, >99.7% Pb, 79.1% Sb, and >99.9%Zn—Normandie) by adding NaOH until pH=9.

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 enseignants0,696
Score d'incertitude au seuil0,870

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 Opus0,005
Tête enseignante GPT0,175
Écart entre enseignants0,170 · 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

Citations12
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental EngineeringMême sujetHeavy metals in environmentTravaux en français237 207