Evaluation of Mixed Valent Iron Oxides as Reactive Adsorbents for Arsenic Removal
Notice bibliographique
Résumé
The objective of this research was to determine if Fe(II)-bearing iron oxides generate ferric hydroxides at sufficient rates for removing low levels of arsenic in packed-bed reactors, while at the same time avoiding excessive oxide production that contributes to bed clogging in oxygenated waters. Column experiments were performed to determine the effectiveness of three media for arsenic removal over a range in empty bed contact times, influent arsenic concentrations, dissolved oxygen (DO) levels, and solution pH values. Corrosion rates of the media as a function of the water composition were determined using batch and electrochemical methods. Rates of arsenic removal were first order in the As(V) concentration and were greater for media with higher corrosion rates. As(V) removal increased with increasing DO levels primarily due to faster oxidation of the Fe2+ released by media corrosion. To obtain measurable amounts of arsenic removal in 15 mM NaCl electrolyte solutions containing 50 microg/L As(V), the rate of Fe2+ released by the media needed to be at least 15 times greater than the As(V) feed rate into the column. In waters containing 30 mg/L of silica and 50 microg/L of As(V), measurable amounts of arsenic removal were obtained only for Fe2+ release rates that were at least 200 times greater than the As(V) feed rate. Although all columns showed losses in hydraulic conductivity overthe course of 90 days of operation, the conductivity values remained high, and the losses could be reversed by backwashing the media. The reaction products produced by the media in domestic tap water had average As-to-Fe ratios that were approximately 25% higher than those for a commercially available adsorbent.
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 | 0,002 | 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 | 0,002 |
| 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) | 0,001 | 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 ».