MétaCan
Menu
Retour à la cohorte
Enregistrement W975868181 · doi:10.2175/106143008x390825

Chemical Leaching of Metals from Wastewater Sludge: Comparative Study by Use of Three Oxidizing Agents [H <sub>2</sub>O <sub>2</sub>, FeCl <sub>3</sub>, and Fe <sub>2</sub>(SO <sub>4</sub>) <sub>3</sub>]

2009· article· en· W975868181 sur OpenAlexaffabout
Médard Bouda, Fatima Hammy, Guy Mercier, Jean‐François Blais

Notice bibliographique

RevueWater Environment Research · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésChemistryLeaching (pedology)Sulfuric acidCadmiumZincOxidizing agentManganeseLimeWastewaterEnvironmental chemistryChromiumCopperMagnesiumMetalPotassiumInorganic chemistryEnvironmental engineeringMetallurgyEnvironmental scienceSoil water

Résumé

récupéré en direct d'OpenAlex

Chemical leaching of the toxic metals (cadmium, chromium, copper, nickel, lead, and zinc) and behavior of other elements (aluminum, calcium, iron, potassium, magnesium, manganese, sodium, phosphorus, and sulfur) in the wastewater sludge of the Montreal Urban Community wastewater treatment plant (Montreal, Quebec, Canada) were studied in 2-L beakers using sulfuric acid and three oxidants [H2O2, FeCl3, and Fe2(SO4)3] and their association. Metal removal efficiencies of these oxidants were evaluated under different conditions of pH (2.0 and 2.5) and oxidation-reduction potential (ORP) (350 to 500 mV). The solubilization of the different elements was linked to pH and/or ORP, and a period of 2 to 4 hours was required to obtain satisfactory metals removal yields. Sludge-fertilizing properties generally were little affected by the decontamination process, especially for processes using a ferric salt. Finally, optimal conditions, for best metals solubilization, were established at pH 2.5 and ORP = 450 mV in a 4-hour period.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0010,003
Science ouverte0,0020,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,289
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Environment ResearchMême sujetMine drainage and remediation techniquesTravaux en français237 207