Removal of arsenic (<scp>III</scp>) and arsenic (V) from aqueous solutions through adsorption by Fe/Cu nanoparticles
Notice bibliographique
Résumé
Abstract BACKGROUND While various iron‐based nanomaterials have been studied for the removal of arsenic from groundwater or its immobilization in soils, this study focuses on the applicability of iron/copper bimetallic nanoparticles for removal of arsenic from synthetic contaminated waters. In order to determine the effectiveness of these nanoparticles for arsenic removal, after synthesis, various sorption tests were performed with aqueous arsenic solutions. RESULTS Detailed physicochemical characterization of synthesized nanoparticles confirmed the successful formation of Fe/Cu nanoparticles with a mean diameter of 13.17 nm. These nanoparticles were found to be effective for removing arsenic from aqueous solutions. The maximum sorption capacities for As(III) and As(V) were 19.68 mg g−1 and 21.32 mg g−1, respectively, at a pH of 7.0. Adsorption isotherms fit well into the Langmuir equation, and sorption follows pseudo‐second‐order kinetics. Coexisting carbonate, sulfate, and phosphate ions had no significant effect on the removal efficiency of arsenic at the concentrations studied. Arsenic removal efficiency by Fe/Cu nanoparticles is enhanced in acidic environments and in basic conditions, desorption of arsenic is possible. CONCLUSION The Fe/Cu nanoparticle powder was found to be effective for removal of arsenic from water and has potential to be used for arsenic remediation from the aquatic environment or in situ immobilization of arsenic. © 2017 Society of Chemical Industry
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».