MétaCan
Menu
Retour à la cohorte
Enregistrement W2890449142 · doi:10.1139/er-2018-0022

Transport of engineered nanoparticles in soils and aquifers

2018· article· en· W2890449142 sur OpenAlexvenueno aff
Mahmood Fazeli Sangani, Gary Owens, Amir Fotovat

Notice bibliographique

RevueEnvironmental Reviews · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEnvironmental remediation with nanomaterials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAquiferEnvironmental scienceSoil waterPorous mediumEnvironmental chemistryDeposition (geology)Biochemical engineeringGroundwaterEnvironmental engineeringChemistrySoil sciencePorosityGeologyEngineeringGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Transport and deposition behaviour of engineered nanoparticles (ENPs) in natural aquifers and soil systems is a key determinant of the fate of these materials in environmental systems. A growing number of experimental studies are being conducted worldwide to address transport and deposition of ENPs in porous media (PM). Here we comprehensively review the main mechanisms and factors affecting the mobility of the environmentally important ENPs in natural PM. A variety of different processes including those that promote mobility and result in elution from the PM and those that hinder their mobility and promote ENP retention can influence ENP’s mobility through soil and aquifer media. The most important contributing factors regarding ENP transport in PM include: the physicochemical properties of the ENP, the media, the hydrodynamics of the system, and the background solution characteristics. Results from several studies conducted on the most common and environmentally important ENPs have shown that under natural environmental conditions, different types of ENPs show different transport behaviour in soil and aquifer systems. Additionally, the importance of media matrix and mobile solution factors in governing mobility of ENPs varies from one type of ENP to another.

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 enseignants0,231
Score d'incertitude au seuil0,489

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

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 Opus0,010
Tête enseignante GPT0,201
Écart entre enseignants0,191 · 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

Citations58
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental ReviewsMême sujetEnvironmental remediation with nanomaterialsTravaux en français237 207