MétaCan
Menu
Retour à la cohorte
Enregistrement W2308898970 · doi:10.2166/wst.2004.0186

Spectroscopic evidence of silica-lignin complexes: implications for treatment of non-wood pulp wastewater

2004· article· en· W2308898970 sur OpenAlexaff
M.H. Nour, Edward H. Smith, John V. Walther

Notice bibliographique

RevueWater Science & Technology · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensUniversity of Alberta
Organismes subventionnairesU.S. Environmental Protection Agency
Mots-clésLigninBlack liquorSolubilityChemistryPulp (tooth)Organic chemistryAqueous solutionChemical engineering

Résumé

récupéré en direct d'OpenAlex

This research examined the hypothesis that lignin compounds form aqueous complexes with silica increasing its solubility, thereby inhibiting its precipitation. An experimental program using four lignin model compounds was conducted to test the hypothesis. Laser Raman spectroscopy (LRS) was used to characterize, qualitatively, the interaction between lignin and aqueous silica, and to identify the possibility of silica-lignin complexation. Solubility studies were then performed by analyzing the solubility of silica in presence and absence of lignin within the relevant pH range to confirm the results of LRS, and to obtain a quantitative assessment of the relative solubility. The findings have established the formation of silica-ferulic, silica-vanillic, and silica-4-methoxycinnamic acid complexes, but no evidence was detected for the formation of silica-veratryl alcohol complex. In fact, the black liquor undoubtedly contains much more complex lignin materials than the simple model compounds used in this work. The more complex lignin compounds are likely to have an even greater tendency to form silica complexes, thus contributing to the initial hypothesis. This finding provides a fundamental understanding as to why previous efforts to precipitate silica by lowering the pH from 10-11 (for black liquor) to less than 9 did not achieve satisfactory silica separation, and why alternative strategies need to be investigated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,360

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,274
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetLignin and Wood ChemistryTravaux en français237 207