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 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) | 0,001 | 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 | 0,000 |
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 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 ».