Electro-washing of pipelines spills: On-site strategies for different soil matrices
Notice bibliographique
Résumé
Crude oil remains a dominant global energy source but spills from pipelines, and reservoirs pose significant environmental and health risks. Remediating petroleum hydrocarbon (PHC)-contaminated soils is critical yet challenging, especially in fine-grained matrices where conventional methods underperform. In this context, electro-washing (EW), either in-situ or ex-situ with surfactant enhancement, offers a tunable, energy-efficient solution that is adaptable to varying soil textures and voltage gradients. This study demonstrates a low-voltage EW methodology for PHC-polluted soils containing 0-5 % bentonite clay, utilizing a zwitterionic surfactant. Laboratory-scale EW cells treated 1 kg soil samples under 1-3 V/cm for four days. Results show that increasing both the clay fraction and voltage gradient significantly improved PHC removal, achieving up to 88 % reduction in soils with 5 % clay at 3 V/cm. Electroosmotic flow transported pore fluid toward the cathode, while negatively charged surfactant micelles migrated toward the anode via electrophoresis, facilitating the delivery of heavier oil fractions. Additionally, in-situ electro-demulsification enabled oil recovery and clean water separation. A polynomial empirical model correlating clay content and voltage to removal efficiency was developed, yielding an excellent fit (R² ≈ 0.93, p < 0.01) and indicating that both factors significantly influence PHC reduction. This work highlights a novel low-energy electrokinetic-surfactant system capable of overcoming the limitations of conventional washing, especially in clayey soils. The method demonstrates near-regulatory cleanup within days, with the added benefit of resource recovery. A preliminary scale-up analysis confirms the feasibility of EW as a sustainable and field-adaptable remediation strategy.
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 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».