Effect of Iron Type on Kinetics and Carbon Isotopic Enrichment of Chlorinated Ethylenes During Abiotic Reduction on Fe(0)
Notice bibliographique
Résumé
Four samples of two commercially available iron brands used as substrate for iron permeable reactive barriers (PRBs) were tested for suitability for remediation of perchloroethylene (PCE), trichloroethylene (TCE), cis-dichloroethylene (cDCE) and vinyl chloride (VC). Kinetic studies indicate that rates of reaction are enhanced for cDCE and VC on Connelly iron (2.8 x 10(-4) to 6.9 x 10(-4) L/m2/hr and 2.0 x 10(-4) to 9.0 x 10(-4) L/m2/hr, for cDCE and VC, respectively) vs. Peerless iron (3.1 x 10(-5) to 4.6 x 10(-5) L/m2/hr and 2.4 x 10(-5) to 4.1 x 10(-5) L/m2/hr, for cDCE and VC, respectively). Carbon isotopic analyses of the residual chlorinated ethylene (CE) during degradation indicate significant fractionation occurs during reductive dechlorination, with, for example, up to 70% enrichment in carbon isotopic values observed when VC is more than 99% degraded. Comparison of fractionation factors (epsilon) indicates significant differences in carbon isotopic fractionation for different iron types and for different CEs. For the lower CEs (cDCE and VC) in particular, both slower reaction rates and larger fractionation are observed for degradation on Peerless vs. Connelly iron. This is the first study to establish a correlation between the rate of abiotic degradation on Fe(0) and the extent of isotopic fractionation, and the first to confirm consistent differences in these two parameters as a function of iron type. The possibility that these differences in kinetics and carbon isotopic fractionation for cDCE and VC are related to differences in branching ratios between competing hydrogenolysis and beta-elimination reactions during reductive dechlorination on the iron surfaces is discussed.
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 ».