Fe‐As sludge stability and effluent quality for a two‐stage As‐contaminated water treatment with Fe(II) and aeration
Notice bibliographique
Résumé
A two-stage (I and II) lab-scale treatment system has been studied for arsenic removal from water using Fe(II) and lignosulphonates with aeration. In stage I, using an Fe/As mole ratio of 1.5-2.5 at a pH of around 6.5-7.5, the dissolved arsenic can be reduced with Fe(II) oxidation-precipitation from an initial 72 mg L(-1) to < 2 mg L(-1). The generated sludge is entirely recycled to the second tank of stage II. In the first tank of stage II, the water is further treated with the same amount of Fe(II) as that used in stage I, in the presence of lignosulphonates and aeration. The air-oxidization of Fe(II) to Fe(III) is continued for about 30 minutes at a pH of around 7.0-8.0. The water output from the first tank is transferred to the second tank in which mixing under aeration occurs with the sludge recycled from stage I. Accordingly, the dissolved arsenic in the effluent is reduced to < 0.1 mg L(-1). The results show that this two-stage process can save more than 50% of total chemical costs, and reduce the amount of sludge by more than 50%, in comparison with the conventional Fe(III)/lime-treatment process. According to US EPA regulations, the final Fe-As sludge is classified as non-hazardous materials by the Toxicity Characteristic Leaching Procedure. But, the study shows that the instability of Fe-As sludge could be influenced by some factors, such as higher pH levels, a longer water-leaching time and larger water-leaching volume, leading to the liberation of more dissolvable As species. After being treated with Ligmet stabilizer, the Fe-As sludge showed an improved stability under varying pH conditions and large amounts of water leaching. The treated Fe-As sludge is suitable for landfill disposal.
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) | 0,001 | 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 ».