MétaCan
Menu
Retour à la cohorte
Enregistrement W2143380648 · doi:10.1002/rem.20253

Impact of iron concentration and ph on zero‐valent iron dechlorination of DDT for brownfields

2010· article· en· W2143380648 sur OpenAlexafffundabout
Mirnader Ghazali, Edward A. McBean, Hua Shen, Paul‐André Dastous

Notice bibliographique

RevueRemediation Journal · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueEnvironmental remediation with nanomaterials
Établissements canadiensUniversity of Guelph
Organismes subventionnairesHohai UniversityMitacsUniversity of Guelph
Mots-clésZerovalent ironReductive dechlorinationChemistryEnvironmental remediationEnvironmental chemistryContaminationPesticideSoil contaminationBiodegradationAdsorptionOrganic chemistryEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Soil contamination with persistent pesticides such as dichloro‐diphenyl‐trichloroethane (DDT) is a major issue at many brownfield sites. A technology that can be used to treat DDT‐contaminated soil using surfactants is to enhance the migration of the contaminants from the soil phase to the liquid phase, followed by the dechlorinating of the mobilized DDT in the liquid phase using zero‐valent iron (ZVI). The DDT degradation using ZVI occurs under anaerobic conditions via reductive reactions. The effect of the iron concentration on the dechlorination rate is assessed in the range of 1 to 40 percent (weight to volume) for remediation of a DDT‐contaminated site in Ontario, Canada. The optimum percentage of iron is found to be 20 percent at which the dechlorination rates of DDT and 1,1‐dichloro‐2,2‐bis(p‐chlorophenyl)ethane (DDD) were 4.5 and 0.6 mg/L/day, respectively. While mixing of the reaction solution is shown to be important in providing the iron surface available for the dechlorination reaction throughout the reaction solution, there is no significant difference between batch and fed‐batch mode of adding iron to the dechlorination process. Low pH values (pH = 3) increased the dechlorination rates of DDT and DDD to 6.03 and 0.75 mg/L/day, respectively at a 20 percent iron concentration, indicating increased dechlorination rates in acidic conditions. © 2010 Wiley Periodicals, Inc.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,082
Score d'incertitude au seuil0,162

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,009
Tête enseignante GPT0,245
Écart entre enseignants0,236 · 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 source (Gemma direct ou Codex distillé), 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

Citations4
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRemediation JournalMême sujetEnvironmental remediation with nanomaterialsTravaux en français237 207