1Characterizing DNAPL in Ground Water Using Partitioning Fluorescent
Notice bibliographique
Résumé
Locating and characterizing dense nonaqueous phase liquids (DNAPLs) is one of the most important challenges in groundwater remediation. Partitioning tracers is one way to meet this task. In this study, five fluorescent dyes were evaluated as partitioning tracers for detection and quantification of tetrachloroethylene (PCE): fluorescein, rhodamine WT (RWT), sulforhodamine B (SRB), eosine, and pyranine. Fluorescein was used as a conservative tracer. Batch tests were performed to obtain sorption partitioning coefficients (KP) and NAPL/water partitioning coefficients (KNW) for each tracer. Retardation factors (Rf) were predicted using column tests with Ottawa sand as a porous medium. KP values were 0.088 + 0.025, and 0.091 cm3/g for RWT and SRB respectively. Eosine and pyranine increased fluorescence after soil/dye batch tests; thus, KP could not be obtained for these tracers. Background fluorescence and pH apparently did not have influence in this behavior. KNW values for RWT, SRB, and eosine were 0.1703, 0.0603, and 0.049 respectively. Pyranine also increased fluorescence in PCE/dye tests. Retardation factors measured in column tests for fluorescein, RWT, SRB, eosine and pyranine were a) 1.08 + 0.07, 1.64 + 0.38, 1.23, 1.45, and 2.97, in absence of PCE; and b) 1.31, 2.3, 1.33, 1.79, and 3.51, in presence of PCE, respectively. The results of this study suggest that the partitioning behavior of the tracers tested is different from simple hydrophobic partitioning. Column tests indicated that RWT, SRB, and eosine are possibly suitable as partitioning tracers.
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 | 0,001 |
| 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) | 0,001 | 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 ».