Removal of Pb(II) from industrial wastewater by using various natural materials – a review
Notice bibliographique
Résumé
Lead's history in science, medicine and technology has been overshadowed by its notoriety as a poison in homicides. Lead is viewed as being synonymous with toxicity. Dangerous lead concentration in natural, as well as industrial wastewater, is now a worldwide problem and often referred to as a 20th-21st century calamity. Existing overviews of lead removal include technologies that have traditionally been used (oxidation, precipitation/coagulation/membrane separation) with far less attention paid to adsorption. No previous review is available where readers can get an overview of the sorption capacities of both available and developed sorbents used for lead remediation. Most of the valuable available literature on lead remediation by adsorption has been incorporated. Lead sorption by commercially available carbons and other low-cost adsorbents developed from various natural materials are surveyed and critically reviewed and their sorption effi ciency compared. Some commercially available adsorbents are also surveyed. An extensive table summarizes the maximum percentage of Pb(II) uptake, optimum pH, isothermal model fi t and thermodynamic parameters of various adsorbents. Some low cost adsorbents prepared from various natural materials are superior including bagasse fl y ash, bone powder, sea nodule, olive cake, polymerized banana stem, tea waste, carbons developed from agricultural waste (coconut shell carbon and palm shell carbon), biosorbents (modifi ed lignin and microspore), phosphogypsum and some commercial adsorbents, which included activated carbon, carbon aerogel tested for lead removal come out to be superior.
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) | 0,001 | 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 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 ».