Efficacy of Nanofiltration and Reverse Osmosis for the Treatment of Oil-Field Produced Water Intended for Beneficial Reuse
Notice bibliographique
Résumé
Treatment and reuse of unconventional oil and gas (UOG) produced water are important strategies that address the dual challenges of water scarcity and pollution posed by UOG production. Considering the high salinity and complex chemistry of UOG produced water, it is important to comprehensively analyze the water quality and potential ecological risk of treated produced water for reuse applications. In this study, we evaluated and compared the efficacy of pretreatment followed by nanofiltration (NF) and reverse osmosis (RO) using membranes of varied permselectivity in treating produced water from the Niobrara Shale play in Colorado. We determined the efficacy of each technology in removing inorganic and organic constituents as well as reducing toxicity on Daphnia magna . Our results show that the pretreatment step resulted in a minor reduction of chemical constituents and toxicity and that the NF permeates did not meet the water quality criteria for irrigation and livestock drinking water. Despite high removal rates for most contaminants in the produced water by RO, the concentrations of chloride and boron as well as the sodium adsorption rate (SAR) in the RO permeates exceeded irrigation guidelines. We observed the passage of surfactants with molecular weights much higher than the molecular weight cutoff of NF and RO membranes, suggesting that membranes are not an absolute barrier to organic contaminants. Our results demonstrate that thorough chemical and toxicological analyses are needed to understand the feasibility and potential risk of treating UOG produced water for beneficial reuse.
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 | 0,000 | 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 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 ».