Enhanced Dechlorination of 1,2-Dichloroethane by Coupled Nano Iron-Dithionite Treatment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
1,2-Dichloroethane (1,2-DCA) is a chlorinated solvent classified as a probable human carcinogen. Due to its extensive use in industrial applications, widespread contamination, and recalcitrance toward abiotic dechlorination, 1,2-DCA remains a challenging compound for the remediation community. Over the past decade, nano zerovalent iron (nZVI) has been efficiently used to treat many of the chlorinated compounds of concern. However, thus far, even nZVI (monometallic or bimetallic) has been unable to dechlorinate 1,2-DCA. Therefore, an alternative treatment coupling nZVI with dithionite to treat 1,2-DCA is proposed in this work. Coupled nZVI-dithionite was able to degrade >90% 1,2-DCA over the course of a year. The effects of dithionite and nZVI loadings, carboxymethyl cellulose (CMC) coating, addition of palladium, and other iron species as metal surfaces on the degradation kinetics were also investigated. Observed pseudo-first-order rate constants (kobs) ranged from 3.8 × 10(-3) to 7.8 × 10(-3) d(-1). Both nucleophilic substitution and reductive dechlorination are the proposed mechanisms for 1,2-DCA degradation by coupled nZVI-dithionite treatment. Characterization analysis of the nZVI-dithionite nanoparticles shows that most of the iron was still preserved in the zerovalent state even after more than one year of reactivity with some iron sulfide (FeS) formation. Scanning electron microscopy (SEM) analysis shows that the nanosized spherical particles were still present along with the FeS platelets. This novel treatment represents the first nZVI-based formulation to achieve nearly complete degradation of 1,2-DCA.
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.
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 | 0,001 |
| 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 découle