Water Cleaning Adsorptive Membranes for Efficient Removal of Heavy Metals and Metalloids
Notice bibliographique
Résumé
Heavy metal pollution represents an urgent worldwide problem due to the increasing number of its sources; it derives both from industrial, e.g., mining, metallurgical, incineration, etc., and agricultural sources, e.g., pesticide and fertilizer use. Features of membrane technology are the absence of phase change or chemical additives, modularity and easy scale-up, simplicity in concept and operation, energy efficiency, and small process footprint. Therefore, if membrane technology is coupled to adsorption technology, one of the most effective treatment strategies to remove heavy metals, namely, Adsorptive Membrane Technology, many typical disadvantages of traditional processes to remove heavy metals, such as low-quality treated water, excessive toxic sludge production, which requires further treatment, can be overcome. In this review, after a broad introduction on the relevance of heavy metal removal and the methods used, a thorough analysis of adsorptive membrane technology is given in terms of strategies to immobilize the adsorbents onto/into membranes and materials used. Regarding this latter aspect, the impressive number of papers present in the literature on the topic has been categorized into five types of adsorptive membranes, i.e., bio-based, bio-inspired, inorganic, functionalized, and MMMs.
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 | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».