Comparison of Effectiveness of Raw Okra (Abelmoschus esculentus L) and Raw Sugarcane (Saccharum officinarum) Wastes as Bioadsorbent of Heavy Metal in Aqueous Systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Adsorption process had been effective in condensing and concentrating metal ions from aqueous phase to the surface of adsorbent, it is a well established technology that employed the use of synthetic adsorbent which are usually scarce and expensive in waste water treatment. Hence, there is a need to develop new adsorbent which are readily available at low cost to remove metal contaminants in aqueous system. In this work, raw sugarcane waste and raw okra waste which are agricultural by-products were used as adsorbent in the adsorption of Fe(III) Cd (II), Pb (II), Zn (II), Ni (II) from various aqueous solutions. Infrared spectrum of the okra and sugar cane waste were recorded to detect the functional groups that has the binding capability for the metal ion adsorption. Batch studies were performed to evaluate the adsorption process and its was found that the okra waste was able to adsorb 5.05% of Fe(III),), 44.95% of Cd (II),), 65.10% of Pb (II), 38.78% of Zn (II), 57.80% of Ni(II), while the sugarcane waste was able to adsorb 3.61% of Fe (III), 35.06% of Cd (II), 43.50% of Pb (II),), 24.45% of Zn (II), 35.31% of Ni(II). This work proved that raw okra waste was more effective adsorbent material than raw sugarcane waste for the removal of heavy metals from aqueous systems. The Freundlich adsorption model described well the sorption equilibrium of the metal ions however research study have shown that modified form of okra waste was an excellent adsorbent, there is possibility of modifying the raw sugar cane waste for better performance since it has potential of removing heavy metals in waste water.
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.
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 | 0,001 | 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 découle