MétaCan
Menu
Retour à la cohorte
Enregistrement W2316316404 · doi:10.1021/es301234m

Transport of Fullerene Nanoparticles (<i>n</i>C<sub>60</sub>) in Saturated Sand and Sandy Soil: Controlling Factors and Modeling

2012· article· en· W2316316404 sur OpenAlexaboutno aff
Lunliang Zhang, Lei Hou, Lilin Wang, Amy T. Kan, Wei Chen, Mason B. Tomson

Notice bibliographique

RevueEnvironmental Science & Technology · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuartzDeposition (geology)Ionic strengthPhase (matter)Organic matterSoil scienceChemistryEnvironmental chemistryMineralogyMaterials scienceGeologyMetallurgyGeomorphologySediment

Résumé

récupéré en direct d'OpenAlex

Understanding subsurface transport of fullerene nanoparticles (nC(60)) is of critical importance for the benign use and risk management of C(60). We examined the effects of several important environmental factors on nC(60) transport in saturated porous media. Decreasing flow velocity from approximately 10 to 1 m/d had little effect on nC(60) transport in Ottawa sand (mainly pure quartz), but significantly inhibited the transport in Lula soil (a sandy, low-organic-matter soil). The difference was attributable to the smaller grain size, more irregular and rougher shape, and greater heterogeneity of Lula soil. Increasing ionic strength and switching background solution from NaCl to CaCl(2) enhanced the deposition of nC(60) in both sand and soil columns, but the effects were more significant for soil. This was likely because the clay minerals (and possibly soil organic matter) in soil responded to changes of ionic strength and species differently than quartz. Anions in the mobile phase had little effect on nC(60) transport, and fulvic acid in the mobile phase (5.0 mg/L) had a small effect in the presence of 0.5 mM Ca(2+). A two-site transport model that takes into account both the blocking-affected attachment process and straining effects can effectively model the breakthrough of nC(60).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,065
Score d'incertitude au seuil0,468

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,213
Écart entre enseignants0,201 · 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 tête enseignante, 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

Citations106
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207