LCA of Disposal Practices for Arsenic-Bearing Iron Oxides Reveals the Need for Advanced Arsenic Recovery
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
Iron (Fe)-based groundwater treatment removes carcinogenic arsenic (As) effectively but generates toxic As-rich Fe oxide water treatment residuals (As WTRs) that must be managed appropriately to prevent environmental contamination. In this study, we apply life cycle assessment (LCA) to compare the toxicity impacts of four common As WTR disposal strategies that have different infrastructure requirements and waste control: (i) landfilling, (ii) brick stabilization, (iii) mixture with organic waste, and (iv) open disposal. The As disposal toxicity impacts (functional unit = 1.0 kg As) are compared and benchmarked against impacts of current methods to produce marketable As compounds via As mining and concentrate processing. Landfilling had the lowest non-carcinogen toxicity (2.0 × 10–3 CTUh), carcinogen toxicity (3.8 × 10–5 CTUh), and ecotoxicity (4.6 × 103 CTUe) impacts of the four disposal strategies, with the largest toxicity source being As emission via sewer discharge of treated landfill leachate. Although landfilling had the lowest toxicity impacts, the stored toxicity of this strategy was substantial (ratio of stored toxicity/emitted As = 13), suggesting that landfill disposal simply converts direct As emissions to an impending As toxicity problem for future generations. The remaining disposal strategies, which are frequently practiced in low-income rural As-affected areas, performed poorly. These strategies yielded ∼3–10 times greater human toxicity and ecotoxicity impacts than landfilling. The significant drawbacks of each disposal strategy indicated by the LCA highlight the urgent need for new methods to recover As from WTRs and convert it into valuable As compounds. Such advanced As recovery technologies, which have not been documented previously, would decrease the stored As toxicity and As emissions from both WTR disposal and from mining As ore.
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 | 0,000 |
| 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 découle