Per-and polyfluoroalkyl substances removal in water and wastewater treatment plants: overall efficiency and performance of adsorption
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
Abstract Per- and polyfluoroalkyl substances (PFAS) in aqueous environment attracted prodigious attention due to the deleterious effects and environmental persistence. Many studies suggested that adsorption is an economical and efficient method to remove PFAS and a variety of adsorbents were developed. However, few adsorbents were conveniently applicable in real wastewater treatment plants (WWTPs) or drinking water treatment plants (DWTPs). This review discusses the gap between laboratory results of PFAS removal by adsorbents and the realistic efficiency in water treatment. First, the overall performance of PFAS removal by conventional WWTPs and DWTPs was discussed. Second, PFAS removal efficiencies by different units along the treatment trains of DWTPs were compared and summarized. Third, benchtop results for the efficiency of different adsorbents including activated carbon, ion exchange resin, minerals, and metal–organic frameworks were reviewed. These studies collectively concluded that dissolved organic matter in water is the most consequential component influencing the absorptive removal of PFAS; PFAS removal efficacy was discounted in water enriched in organic matter due to competitive absorption. To obtain application implications, research on novel adsorbents of high selectivity is suggested to couple with realistic demonstration. As the battle with ‘forever chemicals’ escalates, this is a timely and insightful review to help future research efforts bridge the gaps between laboratory performance and realistic removal of PFAS applying adsorbents.
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 | 0,001 | 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 découle