Effect of ammonia addition to alkaline copper quaternary wood preservative solution on the distribution of copper complexes and leaching
Notice bibliographique
Résumé
Abstract The effects of ammonia (NH 3 ) addition to monoethanolamine (Mea)-based alkaline copper quaternary (ACQ) on the predicted distribution of cupric (Cu 2+ ) species in solution and copper leaching from treated wood were investigated. Addition of ammonia in higher proportions reduced the amount of neutral copper-Mea complex at high pH and increased the amounts of divalent copper-NH 3 complexes. At lower pH, the amounts of high-ligand copper-Mea complexes were reduced. These effects should promote better fixation and diminish copper leaching. However, ammonia addition also reduced the monovalent copper-Mea complex and the amount of copper fixed by precipitation at lower pH. This effect could, potentially, reduce fixation and leach resistance. Ammonia addition to the ACQ formulation from a Cu:Mea:NH 3 ratio of 1:4:0 (normal Mea formulation, pH=9) to 1:4:2 (pH 10–10.2) and 1:4:4 (pH 10.4–10.5) did not significantly affect the amount of copper leached. However, a further increase in ammonia to 1:4:6 (pH 10.6–10.7) resulted in a significant reduction in copper leaching. At pH 9, an increase in the proportional amount of ammonia increased the amount of copper leached by reducing the amount of monovalent copper-Mea complex and increasing the divalent copper-NH 3 complexes. Ammonia addition with a lower amount of Mea, 1:2.5:4 formulation (pH 10.5–10.7), significantly reduced copper leaching as a result of higher amounts of divalent copper-NH 3 complexes adsorbed at higher pH (higher cation exchange capacity) without compromising the amount of copper precipitated at lower pH.
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 ».