Biosurfactant-based dispersants for oil spill remediation: Salinity effects and mechanistic insights
Notice bibliographique
Résumé
Salinity variations, particularly in dynamic environments such as estuaries, may significantly affect the dispersion effectiveness (DE) of oil spill dispersants. While bio-based dispersants are gaining attention as alternatives to chemical dispersants, limited research exists on their adaptability to varying salinity conditions and their associated molecular mechanism and ecological impact. This study evaluated the DE of bio-based dispersants formulated with two biosurfactants (BS); Surfactin (SUC) and Rhamnolipid (RAM), either individually or in combination with Tween 80 (TWE), referred to as BS/TWE, across salinity levels of 10, 20, and 34 psu. The DE of each bio-based dispersant was compared to the chemical dispersant Corexit 9500A under various environmental conditions, including dispersant-to-oil ratios, temperature variations, and mixing energy levels simulating turbulence in natural aquatic environments. The SUC-based dispersant achieved high DE (88 %) with smallest oil droplets size around 5.08 μm at 10 psu but exhibited reduced performance at 34 psu. In contrast, the BS/TWE dispersant showed 90 % DE with droplets size of 10.45 μm at 34 psu, as a result of synergistic surfactant interactions. Molecular dynamics simulation revealed that salinity affects surfactant-water interactions, with SUC-based dispersant losing efficiency at high salinity due to lack of ion bridging, while BS/TWE dispersant remaining effective through reduced electrostatic interactions. Toxicity assessments exhibited minimal inhibitory effects of bio-based dispersants on algal growth, Dunaliella tertiolecta, highlighting their potential for environmental applications. The findings highlight the potential of these dispersants as effective, and environmentally friendly solutions for oil spill response in diverse marine environments.
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 | 0,001 |
| 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 ».