Life cycle comparison of biochar and activated carbon adsorbents for PFOS removal: Impacts and disposal pathways
Notice bibliographique
Résumé
This study carries out a comparative life cycle assessment (LCA) to quantify the environmental impacts associated with different options for the treatment of perfluorooctane sulfonates (PFOS). Four carbonaceous materials are analyzed: Metal oxide sawdust biochar (MOSB), Corn straw biochar (CSB), Bamboo activated carbon (BAC), and Commercial granular activated carbon (GAC). The key impact categories included Human Carcinogenic Toxicity, Marine Ecotoxicity, Freshwater Ecotoxicity, and Freshwater Eutrophication. Results showed GAC with the lowest environmental impacts (≤ 1 % of impacts across categories), followed by BAC (1–2 %), CSB (5–7 %) and MOSB with the highest environmental impacts (> 90 % across categories). Electricity, nitrogen, and water are the main contributors to over 90 % of the environmental impacts of the adsorbents. In terms of energy, MOSB uses the most energy (0.72 MJ), mostly from non-renewable sources, while GAC is the most energy-efficient, using only 0.0023 MJ. Regarding the final waste scenario, landfilling presented lower environmental impacts than incineration for MOSB, CSB, BAC, and GAC in general, except for land use and mineral resource scarcity. The treatment of hazardous waste causes over 90 % of the total impacts, while transportation has minimal effects. Sensitivity analyses on yield, electricity mix, water source, and ReCiPe time-horizon assumptions confirmed that the relative ranking of adsorbents remains stable, even though absolute impact levels vary. The findings of this study indicate the use of GAC as a promising method for producing high-quality sorbents that can effectively remove PFOS from water, with the lowest environmental impacts associated.
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) | 0,000 | 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) | 0,000 | 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 ».