Citric acid facilitates diisopropylamine separation from water: A potential solution for groundwater remediation
Notice bibliographique
Résumé
Diisopropylamine (DIPA) is used in various industrial processes, such as the Sulfinol™ process to remove acidic components from oil and gas, and in the production of pesticides. It has relatively high solubility in water (≈100 g/L) and is found as a contaminant in groundwater. This study uses for the first time natural citric acid (CA) to purify water contaminated with DIPA with low energy costs. CA leads to the bulk separation of DIPA from concentrated aqueous mixtures, as demonstrated using attenuated total reflectance–Fourier transform infrared spectroscopy. Therefore, it offers a potential emergency response in the case of large spills. CA also enhances the volatilization of DIPA from aqueous solutions, as demonstrated using nuclear magnetic resonance. Therefore, it also offers a potential approach to facilitate stripping of DIPA from water in pump and treat, where groundwater is extracted, treated at the surface and reinjected. These findings suggest that CA can serve as a sustainable and effective tool to treat DIPA contamination. • Citric acid decreases the miscibility of diisopropylamine in water • Other carboxylic acids also decrease the miscibility of diisopropylamine in water • Citric acid enhances diisopropylamine volatilization from water • Citric acid can be used for the remediation of water contaminated by diisopropylamine
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».