Effect of Background Water Matrices on Pharmaceutical and Personal Care Product Removal by UV-LED/TiO2
Notice bibliographique
Résumé
In this study, we evaluated the effectiveness of UV-LED-irradiated TiO2 in removing 24 commonly detected PPCPs in two water matrices (municipal wastewater effluent and Suwannee River NOM–synthetic water) and compared their performance with that of ultrapure water. Relatively fast removal kinetics were observed for 29% and 12% of the PPCPs in ultrapure water and synthetic surface water, respectively (kapp of 1–2 min−1). However, they all remained recalcitrant to photocatalysis when using wastewater effluent as the background matrix (kapp < 0.1 min−1). We also observed that the pH-corrected octanol/water partition coefficient (log Dow) correlated well with PPCP degradation rate constants in ultrapure water, whereas molecular weight was strongly associated with the rate constants in both synthetic surface water and wastewater. The electrical energy per order (EEO) values calculated at the end of the experiments suggest that UV-LED/P25 can be an energy-efficient method for water treatment applications (2.96, 4.77, and 16.36 kW h m−3 in ultrapure water, synthetic surface water, and wastewater effluents, respectively). Although TiO2 photocatalysis is a promising approach in removing PPCPs, our results indicate that additional challenges need to be overcome for PPCPs in more complex water matrices, including an assessment of photocatalytic removal under different background water matrices.
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 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 | 0,000 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».