Modeling the Influence of Coastal Site Characteristics on <scp>PFAS</scp> in Situ Remediation
Notice bibliographique
Résumé
Abstract The potential performance of a hypothetical colloidal‐activated carbon (CAC) in situ remedy for perfluorooctanoic acid (PFOA) and perfluorooctane sulfonic acid (PFOS) in groundwater in coastal zones was evaluated using estimated hydrogeologic and geochemical parameters for a coastal site in the United States. With these parameters, a reactive transport model (ISR‐MT3DMS) was used to assess the effects of tidal fluctuations and near‐shore geochemistry on CAC performance. The average near‐shore ionic strength of 84 mM at the site was conservatively estimated to result in an increase in the adsorption of PFOA to CAC by about 50% relative to non‐coastal sites with ionic strength <10 mM. The modeling also confirmed the hypothesis that tidally induced groundwater flow reversals near the shore would result in the accumulation of PFOA at the downgradient edge of the CAC zone. Slow desorption of PFOA from this downgradient CAC boundary may sustain downgradient plume concentrations above a strict cleanup criterion (e.g., USEPA MCL of 0.004 μg/L), for decades; however, there was still a large PFOA mass flux reduction (>99.9%) achieved after several decades at the shore. CAC longevity was substantially greater for PFOS with a similar source concentration; however, the higher PFOS distribution coefficient ( K d ) in soil downgradient from the CAC zone resulted in substantially longer flushing times. It is recommended that short‐term remedial action objectives for CAC remedies at coastal sites be based on mass flux reduction targets over a period of several decades, given the demonstrated challenges in trying to achieve very low cleanup criteria downgradient of a CAC zone in the short term.
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 | 0,001 |
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 ».