MétaCan
Menu
Retour à la cohorte
Enregistrement W2416293326 · doi:10.2166/wst.2016.240

Sorption of DOM and hydrophobic organic compounds onto sewage-based activated carbon

2016· article· en· W2416293326 sur OpenAlexaff
Karin Björklund, Loretta Y. Li

Notice bibliographique

RevueWater Science & Technology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSorptionAdsorptionChemistryEnvironmental chemistryDissolved organic carbonOrganic matterActivated carbonSewage sludgeSorbentEnvironmental remediationPollutantSewageEnvironmental engineeringOrganic chemistryEnvironmental scienceContamination

Résumé

récupéré en direct d'OpenAlex

Treatment of stormwater via sorption has the potential to remove both colloidal and dissolved pollutants. Previous research shows that activated carbon produced from sewage sludge is very efficient in sorbing hydrophobic organic compounds (HOCs), frequently detected in stormwater. The aim of this research was to determine whether the presence of dissolved organic matter (DOM) has a negative effect on the adsorption of HOCs onto sludge-based activated carbon (SBAC) in batch adsorption tests. Batch adsorption tests were used to investigate the influence of two types of DOM - soil organic matter and humic acid (HA) technical standard - on the sorption of HOCs onto SBAC, and whether preloading adsorbent and adsorbates with DOM affects HOC sorption. The results indicate that soil DOM and HAs do not have a significant negative effect on the adsorption of HOCs under tested experimental conditions, except for a highly hydrophobic compound. In addition, preloading SBAC or HOCs with DOM did not lead to lower adsorption of HOCs. Batch adsorption tests appear to be inefficient for investigating DOM effects on HOC adsorption, as saturating the carbon is difficult because of high SBAC adsorption capacity and low HOC solubility, so that limited competition occurs on the sorbent.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,186
Écart entre enseignants0,180 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetUrban Stormwater Management SolutionsTravaux en français237 207