Wood sawdust and sewage sludge pyrolysis chars for CO<sub>2</sub> adsorption using a magnetic suspension balance
Notice bibliographique
Résumé
Abstract In view of global warming caused by the uncontrolled emissions of CO 2 to the environment, there is a great need to develop methods able to eliminate this pollutant. Apart from establishing new techniques, the exploration of new materials with high separation performance and low cost are of importance. This work aims to treat carbon‐metals‐rich chars originated from the fast pyrolysis of sewage sludge and wood sawdust to be used as CO 2 adsorbents. The samples were washed with ethanol and dichloromethane before their physical and chemical activation to remove impregnated bio‐oil. For the chemical activation, potassium hydroxide and hydrochloric acid were used as agents. The samples were analyzed via BET, TGA, XRD, and XRF. The results were used to investigate the role played by ethanol or dichloromethane and the effect of the activation on the properties of the materials such as specific surface area, total specific pore volume, and average pore size. CO 2 isotherms were obtained experimentally at 25 °C using a magnetic suspension balance and the data was used to estimate Langmuir and Freundlich isotherm parameters. After chemical treatment, the sewage sludge char specific surface area increased 11 times and had an adsorptive capacity of 1.32 × 10 −3 mol/g. The wood sawdust char specific surface area increased 90 times and had an adsorptive capacity of 3.73 × 10 −3 mol/g. Desorption was carried out from 5 × 10 5 to 1 × 10 5 Pa at 37 °C and the efficiencies were 89.0 and 84.4 % for the sewage sludge and wood sawdust, respectively.
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 ».