Multifunctional iron-biochar composites for the removal of potentially toxic elements, inherent cations, and hetero-chloride from hydraulic fracturing wastewater
Notice bibliographique
Résumé
This paper evaluates a novel sorbent for the removal of potentially toxic elements, inherent cations, and hetero-chloride from hydraulic fracturing wastewater (FWW). A series of iron-biochar (Fe-BC) composites with different Fe/BC impregnation mass ratios (0.5:1, 1:1, and 2:1) were prepared by mixing forestry wood waste-derived BC powder with an aqueous FeCl 3 solution and subsequently pyrolyzing them at 1000 °C in a N 2 -purged tubular furnace. The porosity, surface morphology, crystalline structure, and interfacial chemical behavior of the Fe-BC composites were characterized, revealing that Fe chelated with C O bonds as C O Fe moieties on the BC surface, which were subsequently reduced to a C C bond and nanoscale zerovalent Fe (nZVI) during pyrolysis. The performance of the Fe-BC composites was evaluated for simultaneous removal of potentially toxic elements (Cu(II), Cr(VI), Zn(II), and As(V)), inherent cations (K, Na, Ca, Mg, Ba, and Sr), hetero-chloride (1,1,2-trichlorethane (1,1,2-TCA)), and total organic carbon (TOC) from high-salinity (233 g L −1 total dissolved solids (TDS)) model FWW. By elucidating the removal mechanisms of different contaminants, we demonstrated that Fe-BC (1:1) had an optimal reducing/charge-transfer reactivity owing to the homogenous distribution of nZVI with the highest Fe 0 /Fe 2+ ratio. A lower Fe content in Fe-BC (0.5:1) resulted in a rapid exhaustion of Fe 0 , while a higher Fe content in Fe-BC (2:1) caused severe aggregation and oxidization of Fe 0 , contributing to its complexation/(co-)precipitation with Fe 2+ /Fe 3+ . All of the synthesized Fe-BC composites exhibited a high removal capacity for inherent cations (3.2–7.2 g g −1 ) in FWW through bridging with the C O bonds and cation-π interactions. Overall, this study illustrated the potential efficacy and mechanistic roles of Fe-BC composites for (pre-)treatment of high-salinity and complex FWW.
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 ».