Bench‐scale testing of a novel soil PFAS treatment train for informed remedial planning and decision‐making
Notice bibliographique
Résumé
Abstract Bench‐scale batch tests were conducted to assess the potential applicability of a combined separation/concentration/destruction treatment train to address soils and sediments impacted by per‐ and polyfluoroalkyl substances (PFAS) contamination at Schriever Space Force Base with historic aqueous film‐forming foam (AFFF). Specifically, a novel treatment train coupling soil washing (for treatment of impacted soil/sediment) with foam fractionation (for treatment of the wash water [WW] generated during soil washing) and electrochemical oxidation (ECO, for treatment of the foam fractionate generated during foam fractionation) was evaluated at the bench scale using site‐specific materials. Results presented herein show that the AFFF‐impacted sandy soils with low organic content were amenable to treatment via soil washing. However, the removal of hydrophobic PFAS, such as perfluorooctanesulfonic acid (PFOS), from the organic‐rich sediments was challenging. Results from batch desorption experiments were within a factor of 2 of those generated by soil washing bench studies, suggesting that simple batch tests can potentially be used to reasonably predict the treatment efficacy of soil washing. Long‐chained perfluoroalkyl acids (PFAAs) within the WW were removed more effectively in the foam fractionation studies as compared to short‐chain PFAAs. Addition of a surfactant, such as cetrimonium bromide (CTAB), enhanced foaming but only marginally improved the treatment of short‐chained PFAAs and in some cases inhibited PFOS removal. ECO reduced PFAS concentrations in the foam fractionate generated during foam fractionation by several orders of magnitude. However, generation of unwanted byproducts may warrant further treatment and/or disposal. Overall, results from this study provide a novel data set highlighting the site‐dependent nature of these PFAS remedial technologies and how simple, low‐cost bench tests can be reliably leveraged for informed decision‐making during PFAS remedial planning.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».