Effect of Metal Ions on the Formation of Trichloronitromethane during Chlorination of Catechol and Nitrite
Notice bibliographique
Résumé
Catechol, nitrite, and dissolved metals are ubiquitous in source drinking water. Catechol and nitrite have been identified as precursors for halonitromethanes (HNMs), but the effect of metal ions on HNM formation during chlorination remains unclear. The main objective of this study was to investigate the effect of metal ions (Fe3+, Ti4+, Al3+) on the formation of trichloronitromethane (TCNM) (the most representative HNM species in disinfected water) on chlorinating catechol and nitrite. Trichloronitromethane was extracted by methyl tert‐butyl ether and detected by gas chromatography. The results show that metal ions promoted the formation of TCNM and that the enhancement efficiency followed the order of Fe3+ > Ti4+ > Al3+. Trichloronitromethane formation increased greatly within 2 h, and a basic condition (pH 8–9) favored TCNM formation more than acidic or neutral conditions. The conjoint effect of the metal–ion mixtures was shown to be similar to that of the single metal ion having the highest promoting effect on TCNM formation. Our results strongly suggest that metal ions play a significant role in enhancing TCNM formation. Core Ideas Metal ions increased TCNM formation during chlorination of catechol and nitrite. Type and concentration of metal ions affected TCNM yield. Effect of metal ions on the formation of TCNM varied with pH. Conjoint effect of metal ions on TCNM formation was not obvious.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».