Metal Retention Experiments for the Design of Soil‐Mix Technology Permeable Reactive Barriers
Notice bibliographique
Résumé
Abstract Soil‐mix technology is effective for the construction of permeable reactive barriers (PRBs) for in situ groundwater treatment. The objective of this study was to perform initial experiments for the design of soil‐mix technology PRBs according to (i) sorption isotherm, (ii) reaction kinetics and (iii) mass balance of the contaminants. The four tested reactive systems were: (i) a granular zeolite (clinoptilolite–GZ), (ii) a granular organoclay (GO), (iii) a 1:1‐mixture GZ and model sandy clayey soil and (iv) a 1:1:1‐mixture of GZ, GO and model soil. The laboratory experiments consisted of batch tests (volume 900 mL and sorbent mass 18 g) with a multimetal solution of Pb, Cu, Zn, Cd and Ni. For the adsorption experiment, the initial concentrations ranged from 0.01 to 0.5 mM (2.5 to 30 mg/L). The maximum metal retention was measured in a batch test (300 mg/L for each metal, volume 900 mL, sorbent mass 90–4.5 g). The reactive material efficiency order was found to be GZ > GZ‐soil mix > GZ‐soil‐GO mix > GO. Langmuir isotherms modelled the adsorption, even in presence of a mixed cations solution. Adsorption was energetically favourable and spontaneous in all cases. Metals were removed according to the second order reaction kinetics; GZ and the 1:1‐mix were very similar. The maximum retention capacity was 0.1–0.2 mmol/g for Pb in the presence of clinoptilolite; for Cu, Zn, Cd and Ni, it was below 0.05 mmol/g for the four reactive systems. Mixing granular zeolite, organoclay and model soil increased the chemisorption. Providing that GZ is reactive enough for the specific conditions, GZ can be mixed to obtain the required sorption. Granular clinoptilolite addition to soil is recommended for PRBs for metal contaminated groundwater.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».