MétaCan
Menu
Retour à la cohorte
Enregistrement W2034941409 · doi:10.1021/es030359y

Removal of Arsenic from Synthetic Acid Mine Drainage by Electrochemical pH Adjustment and Coprecipitation with Iron Hydroxide

2003· article· en· W2034941409 sur OpenAlexafffund
Jenny Weijun Wang, Dorin Bejan, Nigel J. Bunce

Notice bibliographique

RevueEnvironmental Science & Technology · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueArsenic contamination and mitigation
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésArsenicChemistryCoprecipitationArsenateArseniteHydroxideAcid mine drainageEffluentInorganic chemistryElectrochemistryElectrolysisFerrihydriteNuclear chemistryEnvironmental chemistryEnvironmental engineeringAdsorption

Résumé

récupéré en direct d'OpenAlex

Acid mine drainage (AMD), which is caused by the biological oxidation of sulfidic materials, frequently contains arsenic in the form of arsenite, As(III), and/or arsenate, As(V), along with much higher concentrations of dissolved iron. The present work is directed toward the removal of arsenic from synthetic AMD by raising the pH of the solution by electrochemical reduction of H+ to elemental hydrogen and coprecipitation of arsenic with iron(III) hydroxide, following aeration of the catholyte. Electrolysis was carried out at constant current using two-compartment cells separated with a cation exchange membrane. Four different AMD model systems were studied: Fe(III)/As(V), Fe(III)/As(III), Fe(II)/As(V), and Fe(II)/As(III) with the initial concentrations for Fe(III) 260 mg/L, Fe(II) 300 mg/L, As(V), and As(III) 8 mg/L. Essentially quantitative removal of arsenic and iron was achieved in all four systems, and the results were independent of whether the pH was adjusted electrochemically or by the addition of NaOH. Current efficiencies were approximately 85% when the pH of the effluent was 4-7. Residual concentrations of arsenic were close to the drinking water standard proposed by the World Health Organization (10 microg/L), far below the mine waste effluent standard (500 microg/L).

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,866

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,002
Tête enseignante GPT0,175
Écart entre enseignants0,173 · 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

Citations80
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetArsenic contamination and mitigationTravaux en français237 207