Photocatalytic treatment of organoselenium in synthetic mine-impacted effluents
Notice bibliographique
Résumé
Biological selenium reduction processes are commonly employed as the best available technology (BAT) for selenium removal; however, as a by-product they produce trace amounts of organoselenium compounds with orders of magnitude greater bioaccumulation potential and toxicity. Here, we assessed buoyant photocatalysts (BPCs) as a potential passive advanced oxidation process (P-AOP) for organoselenium treatment. Using a synthetic mine-impacted water solution, spiked with selenomethionine (96 μg/L) as a representative organoselenium compound, photocatalysis with BPCs fully eliminated selenomethionine to <0.01 μg/L with conversion to selenite and selenate. A theoretical reaction pathway was inferred, and a kinetics model developed to describe the treatment trends and intermediates. Given the known toxic responses of Lepomis macrochirus and Daphnia magna to organoselenium, it was estimated that photocatalysis could effectively eliminate organoselenium acute toxicity within a UV dose of 8 kJ/L (1-2 days solar equivalent exposure), by transformation of selenomethionine to less hazardous oxidized Se species. Solar photocatalysis may therefore be a promising passive treatment technology for selenium-impacted mine water management.
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 | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».