Mechanistic insights into the (im)mobilization of arsenic, cadmium, lead, and zinc in a multi-contaminated soil treated with different biochars
Notice bibliographique
Résumé
The effect and mechanistic evidence of biochar on the (im)mobilization of potentially toxic elements (PTEs) in multi-contaminated soils, with respect to the role of surface-functional groups and organic/inorganic compounds of biochar, are poorly understood. Herein, biochars produced from grass residues, rice straw, and wood were applied to a mining-soil contaminated with As, Cd, Pb, and Zn for 473-d. Biochars did not reduce the mobilization of Cd and Zn, whereas they simultaneously exhibited disparate effects on As and Pb mobilization. The phenolic hydroxyl and carboxylic groups on the wood biochar’s surfaces promoted the conversion of Pb2+ into PbCO3/Pb(OH)2 and/or PbO, minimally by the rice and grass biochars. Rice and grass biochars led to the dissolution of scorodite and the formation of less stable forms of Fe-oxide-bound As (i.e., goethite and ferrihydrite); furthermore, it resulted in the reduction of As(V) to As(III). The PTEs mobilization and phytoavailability was mainly governed by the release of dissolved aliphatic- and aromatic-carbon, chloride, sulfur chemistry, phosphate competition, and the electrostatic repulsion in biochar-treated soils. In conclusion, pristine-biochar has a limited impact on the remediation of multi-contaminated soils, and the use of modified-biochar, possessing higher surface areas and functionality and active exchange sites, are preferred under such conditions.
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 ».