Revue sur l'enlèvement des métaux des effluents par adsorption sur la sciure et les écorces de bois
Bibliographic record
Abstract
Les résidus de transformation du bois tels les écorces et la sciure de bois ont été largement étudiés depuis quelques années pour leur propriété d'adsorption et d'enlèvement des métaux toxiques contenus dans les effluents contaminés. En ce qui concerne la sciure de bois, les recherches répertoriées ont porté principalement sur l'utilisation du sapin rouge, du manga, du tilleul, de l'épinette, du pin, du cèdre, du teck, de l'akamatsu et du buna. Pour ce qui est des écorces de bois, plusieurs espèces ont été étudiées, notamment les écorces de pin, de chêne et d'épinette. La présente revue fait le point sur les performances de ces différents adsorbants peu coûteux pour l'adsorption des principaux métaux contaminants (Cd, Cr, Cu, Hg, Ni, Pb et Zn). Les points discutés portent sur les méthodes de préparation (lavage, séchage et tamisage) et de traitement chimique de l'adsorbant (traitement acide ou basique, traitement à la formaldéhyde, phosphatation, carboxylation, sulfoéthylation, carboxyméthylation, etc.), les conditions opératoires utilisées lors de l'adsorption, les modèles thermodynamiques, cinétiques et autres applicables au couple adsorbant-adsorbat, l'effet des principaux paramètres opératoires (temps de contact, pH de traitement, température, concentration d'adsorbant, taille des particules, etc.), les principes et les mécanismes impliqués dans l'élimination des contaminants métalliques par les adsorbants présentés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".