Nanoparticle transport in partially saturated porous media: Attachment at fluid interfaces
Notice bibliographique
Résumé
• The interface between water and a trapped non-wetting phase in porous media acts as a nanoparticle collector in a manner vastly different from the solid-water interface. • Interplay between kinetically-limited irreversible attachment and nanoparticle exchange via diffusion between advective and non-advective parts of the pore space determines macroscopic behavior in the presence of a trapped nonwetting phase. • Pore network modeling is an effective tool for upscaling pore-level physics of nanoparticle attachment at fluid interfaces. Like the solid-water interface (SWI), air-water and oil-water interfaces (AWI and OWI) also act as collectors for nano-sized particles in porous media. The attachment of hydrophobic nanoparticles, which is often favorable and irreversible, is of particular interest because the transport and retention of such particles is closely linked to the fate of nanoplastics in unsaturated subsurface environments and the success of nanoremediation practices. Here, we show how a pore-network model (PNM) can be used to upscale the kinetics and extent of irreversible nanoparticle attachment at a single fluid-fluid interface under conditions of advection and dispersion in a sphere packing. By focusing on a trapped (immobile) non-wetting phase, we highlight a fundamental difference between the single-collector contact efficiency of AWI/OWI and SWI. Namely, AWI/OWI collectors, which are largely by-passed by the flowing aqueous phase, are exposed to a hydrodynamic environment dominated by diffusion. This difference has profound implications for the modelling of nanoparticle transport in porous media at the continuum (Darcy) scale. This study reveals the potential of pore network modelling as an essential complement to continuum models for upscaling the behavior of nanocolloids in porous media.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».