MétaCan
Menu
Retour à la cohorte
Enregistrement W4400904187 · doi:10.1016/j.conbuildmat.2024.137571

Heavy metal removal by porous asphalt in cyclical wetting and drying

2024· article· en· W4400904187 sur OpenAlexafffund
Yao Zhao, Caterina Valeo

Notice bibliographique

RevueConstruction and Building Materials · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Food Inspection Agency
Mots-clésWettingLeaching (pedology)StormwaterSurface runoffAsphaltEnvironmental sciencePorosityMaterials scienceAggregate (composite)ContaminationEnvironmental engineeringEnvironmental chemistryComposite materialSoil scienceChemistrySoil water

Résumé

récupéré en direct d'OpenAlex

Porous asphalt pavement (PAP) is subjected to wetting and drying cycles involving storms of varying intensity and inter-event drying periods to study the impact of continuous weather systems on heavy metal removal in runoff. Four physical models: a complete PAP system, a PAP surface, a geotextile fabric and a reservoir of cobblestone aggregate, were created at the lab-scale and tested with stormwater contaminated with dissolved Mn(Ⅱ), Zn(Ⅱ), Cu(Ⅱ), and Cr(Ⅵ). The models were exposed to repeated wetting and drying cycles spanning over 27 days in triplicate. Wetting involved light, moderate and heavy rainfall intensities. All pavement material designs performed well at removing Cu(Ⅱ) and Cr(Ⅵ). The PAP system had an overall better performance at removing Mn(Ⅱ), Zn(Ⅱ), Cu(Ⅱ), and Cr(Ⅵ) than any of the individual pavement materials but was unable to remove all of the heavy metals simultaneously to sufficiently high levels. The materials used in the filter layer and reservoir structure and their adsorption and desorption capacities should be assessed for potential contamination (leaching) of Zn(Ⅱ) and Mn(Ⅱ), respectively, prior to construction. Wetting and drying cycles had the greatest impacts on the reservoir structure’s performance versus any of the other layers. Leaching of Mn(II) observed from cobblestone aggregate was affected by the solution composition and pH. Removal of selected heavy metals was rapid in first flush and fluctuated with storm event intensity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,149
Score d'incertitude au seuil0,536

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,229
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueConstruction and Building MaterialsMême sujetUrban Stormwater Management SolutionsTravaux en français237 207