Size and Zeta Potential of Oxidized Iron and Manganese in Water Treatment: Influence of pH, Ionic Strength, and Hardness
Notice bibliographique
Résumé
Iron and manganese are commonly found in natural waters, particularly in groundwater. Because of the importance of particle size distribution (PSD) on the performance of removal processes, this research focuses on understanding the PSD and ζ-potentials of oxidized iron/manganese in water, as a function of pH, ionic strength, and hardness. After rapid oxidation of dissolved iron/manganese, laser diffraction (LD), dynamic light scattering (DLS), and fractionation through serial membrane filtration techniques were used to define the PSD. For manganese dioxide, the ζ-potential was found to decrease as the pH decreased and as the ionic strength and hardness increased, resulting in a higher aggregate size. The aggregation rate of manganese dioxide strongly increased with hardness. On the other hand, ferric hydroxide PSD was not significantly altered by ionic strength or hardness at pH values relevant to typical natural waters. A combination of several techniques was found to be essential for providing a complete picture of the PSD. The DLS and LD techniques were generally well adapted for nano-scale and micron-scale particles, respectively. The serial membrane filtration technique was suggested for water practitioners working toward the selection of an appropriate process for iron/manganese control in drinking waters.
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 ».