Plasma water treatment for PFAS: Study of degradation of perfluorinated substances and their byproducts by using cold atmospheric pressure plasma jet
Notice bibliographique
Résumé
This study evaluates the effectiveness of non-thermal plasma at atmospheric pressure (NTP APPJ) for treating PFAS - contaminated water in different matrices. Successful removal of several perfluoroalkyl carboxylic acids (PFCAs) (C6 to C4), perfluroalkane sulfonic acids (PFSAs) (C8 to C4) and perfluropolyethers (PFPEs) (GenX and ADONA) PFAS compounds was achieved in laboratory scale experiments. In the deionized water (DW), high removal efficiencies (> 90%) were observed for longer-chain PFAS, PFOS (99.89%), PFHxA (94.61%) and ADONA (94.83%), while shorter- chain compounds had lower removal rates. Real water samples (tap water and synthetic effluent) showed lower overall degradation percentages (8–50%) depending on compound and matrix. Short-chain PFAS displayed around 10% removal in tap water , while PFOS and GenX achieved 50% and 32% removal, respectively. Complex matrix effects influence degradation rates. Byproducts from the plasma treatment were investigated, revealing distinct degradation mechanisms for various PFAS compounds. For PFSAs and PFCAs, degradation involved electron transfer , bond breaking and subsequent reactions. Conversely, ADONA and GenX degradation initiated with ether-group cleavage, followed by additional transformation processes. Plasma-based technology shows potential for degradation of PFAS, especially for newer substitute compounds like ADONA and GenX. However, further research is needed to optimize plasma performance for complete mineralization of PFAS. This study also proposes a degradation mechanism for ADONA, marking a novel investigation into ether-group PFAS degradation with potential implications for further research and understanding toxicological implications.
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 ».