Oil-Water Adsorptive Properties of Chemically Treated Sugarcane Bagasse
Notice bibliographique
Résumé
<p class="1Body">Among the contaminants plaguing our waters today, oil remains one of the most pervasive and challenging contaminant to remove. Oil pollution occurs not only through factory discharge, but also by accident spills from the fuel of the vehicle or the transportation of oil. Sugarcane bagasse (SB) is an abundant agricultural by-product containing almost half of cellulose and one quarter of lignin. After chemical treatments SB can be modified their hydrophobicity leading to improve its oil adsorptive properties. In a column experiment containing 1 g of SB, oil was able to be adsorbed from oil and water mixture by, from the highest to the lowest uptake, AASB, ASSB, NSB, SSB and BSB with the average oil adsorption capacity of 13.0 mL/g, 11.25 mL/g, 10.50 mL/g, 9.0 mL/g and 8.75 mL/g respectively. The results were concurrently meeting the result of material characterisation using FTIR, where acetic acid treated SB (AASB) consists of high lignin leading to high hydrophobicity. On the other hand, BSB showed the lowest oil adsorption capacity and more hydrophilic due to the lowest amount of lignin present in SB. The result showed a potential use of natural material of SBs with high lignin content to tackle oil spill in water environment.</p>
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 | 0,000 |
| 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 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 ».