Removal of microplastics from agricultural runoff using biochar: a column feasibility study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Plastics are extensively used in agriculture, but their weathering and degradation generates microplastics (MPs) that can be carried by runoff into water bodies where they can accumulate and impact wildlife. Due to its physicochemical properties, biochar has shown promise in mitigating contaminants in agricultural runoff. However, few studies have examined its effectiveness at removing MPs. In this study, we assessed MP pollution (>30 μm) in runoff from a farm in the Mississippi Delta and examined the effectiveness of biochar (pinewood and sugarcane) to remove MPs from aqueous solutions. Using micro-Fourier Transform Infrared spectroscopy (µ-FTIR), we observed an average of 237 MPs/L (range 27–609) in the runoff, with most particles identified as polyethylene, polyamide, polyvinyl chloride, polyurethane, acrylonitrile butadiene styrene, and polyarylamide. Biochar columns effectively removed MPs from runoff samples with reductions ranging from 86.6% to 92.6%. MPs of different sizes, shapes, and types were stained with Nile red dye (to facilitate observation by fluorescence) and quantified their downward progress with multiple column volumes of water and wet/dry cycles. Smaller MPs penetrated the columns further, but ≥90% of MPs were retained in the ∼20 cm columns regardless of their shape, size, and type. We attribute these results to physical entrapment, hydrophobic behaviors, and electrostatic interactions. Overall, this proof-of-concept work suggests biochar may serve as a cost-effective approach to remove MPs from runoff, and that subsequent field studies are warranted.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 découle