Does Granular Activated Carbon with Chlorination Produce Safer Drinking Water? From Disinfection Byproducts and Total Organic Halogen to Calculated Toxicity
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
Granular activated carbon (GAC) adsorption is well-established for controlling regulated disinfection byproducts (DBPs), but its effectiveness for unregulated DBPs and DBP-associated toxicity is unclear. In this study, GAC treatment was evaluated at three full-scale chlorination drinking water treatment plants over different GAC service lives for controlling 61 unregulated DBPs, 9 regulated DBPs, and speciated total organic halogen (total organic chlorine, bromine, and iodine). The plants represented a range of impacts, including algal, agricultural, and industrial wastewater. This study represents the most extensive full-scale study of its kind and seeks to address the question of whether GAC can make drinking water safer from a DBP perspective. Overall, GAC was effective for removing DBP precursors and reducing DBP formation and total organic halogen, even after >22 000 bed volumes of treated water. GAC also effectively removed preformed DBPs at plants using prechlorination, including highly toxic iodoacetic acids and haloacetonitriles. However, 7 DBPs (mostly brominated and nitrogenous) increased in formation after GAC treatment. In one plant, an increase in tribromonitromethane had significant impacts on calculated cytotoxicity, which only had 7-17% reduction following GAC. While these DBPs are highly toxic, the total calculated cytotoxicity and genotoxicity for the GAC treated waters for the other two plants was reduced 32-83% (across young-middle-old GAC). Overall, calculated toxicity was reduced post-GAC, with preoxidation allowing further reductions.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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