Treatment of aqueous per- and poly-fluoroalkyl substances: A review of biochar adsorbent preparation methods
Notice bibliographique
Résumé
Per- and poly-fluoroalkyl substances (PFAS) are synthetic chemicals widely used in everyday products, causing elevated concentrations in drinking water and posing a global challenge. While adsorption methods are commonly employed for PFAS removal, the substantial cost and environmental footprint of commercial adsorbents highlight the need for more cost-effective alternatives. Additionally, existing adsorbents exhibit limited effectiveness, particularly against diverse PFAS types, such as short-chain PFAS, necessitating modifications to enhance adsorption capacity. Biochar can be considered a cost-effective and eco-friendly alternative to conventional adsorbents. With abundant feedstocks and favorable physicochemical properties, biochar shows significant potential to be applied as an adsorbent for removing contaminants from water. Despite its effectiveness in adsorbing different inorganic and organic contaminants from water environments, some factors restrict its effective application for PFAS adsorption. These factors are related to the biochar properties, and characteristics of PFAS, as well as water chemistry. Therefore, some modifications have been introduced to overcome these limitations and improve biochar's adsorption capacity. This review explores the preparation conditions, including the pyrolysis process, activation, and modification techniques applied to biochar to enhance its adsorption capacity for different types of PFAS. It addresses critical questions about the adsorption performance of biochar and its composites, mechanisms governing PFAS adsorption, challenges, and future perspectives in this field. The surge in research on biochar for PFAS adsorption indicates a growing interest, making this timely review a valuable resource for future research and an in-depth exploration of biochar's potential in PFAS remediation.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,004 | 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 ».