Arsenic removal from groundwater through iron oxyhydroxide coated waste products
Notice bibliographique
Résumé
The goal of this research was to remove arsenic from groundwater supplies via adsorption into media obtained from waste material generated as by-products from glass recycling programs and the seafood industry such as crushed glass and scallop shells. During the course of this research four new adsorbents were developed: ferric hydroxide coated crushed glass (FHCCG); ferric oxide coated crushed glass (FOCCG); ferric hydroxide coated scallop shells (FHCSS); and ferric oxide coated scallop shells (FOCSS). The adsorbents were characterized through evaluation of their structure, surface area, chemical composition, iron content, and coating stability. Efficiency of the adsorbents to remove arsenic from water was examined through batch kinetic and isotherm adsorption experiments. The adsorption capacity of the adsorbents was also evaluated by performing column experiments using real ground waters and a synthetic water. Arsenic removal to a concentration less than 10 μg/L was achieved with the FHCSS and more than 9000 bed volumes of water were treated before the breakthrough point was reached. The research results revealed that scallop shells coated with ferric hydroxideperformed better than crushed glass coated with ferric hydroxide. Both FOCCG and FOCSS had poor arsenic removal compared with FHCSS and granular ferric hydroxide (GFH). Ferric hydroxide coated scallop shells performed similarly to GFH.
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 | 0,001 |
| 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 ».