Modeling Phosphate Adsorption by Agricultural and Natural Soils
Notice bibliographique
Résumé
The nonideal competitive adsorption model (NICA) was developed from the Langmuir adsorption theory and the Freundlich empirical equation. It is well suited to describing ion adsorption in complex systems like soils, which have multiple ions, highly heterogeneous surfaces, and a variety of adsorption sites on the particle surfaces. It has been successfully used to model the binding of protons and metal ions to humic substances, but its application for the adsorption of anions to heterogeneous surfaces has not been documented. The purpose of this study was to adapt the NICA model to describe hydroxyl and phosphate adsorption. Results show that by considering two types of surface sites, the NICA model can provide an excellent fit ( R 2 > 0.99) of the hydroxyl adsorption data obtained from −11 to −4 of log[OH], which corresponds to soil pH from 3 to 10. By using the parameters generated from hydroxyl adsorption, including adsorption maxima ( Q max,OH ), binding strength ( K OH ), and nonideality ( m ), the NICA model gave a remarkable goodness of fit ( R 2 > 0.98) for the phosphate adsorption data obtained at different pH values. The model sensitivity test showed that the Type 1 surface ( S OH 2 + ) has up to 100 times greater contribution to phosphate adsorption than the Type 2 surface ( S OH). Thus, the model may be simplified into a three‐parameter model by only considering the Type 1 surface for phosphate adsorption in acidic soils. The adapted NICA model can thus describe phosphate adsorption combined with hydroxyl adsorption and the parameters ( n PO4,1 / n OH,1 < 1, where n PO4,1 accounts for nonideality of PO 4 3− and n OH,1 accounts for nonideality of OH − , both on a Type 1 surface) reveal the multidentate binding of phosphate. It provides a promising tool for analyzing competitive anion adsorption processes in soils.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| 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 ».