Development and treatment procedure of arsenic-contaminated water using a new and green chitosan sorbent: kinetic, isotherm, thermodynamic and dynamic studies
Notice bibliographique
Résumé
Abstract Arsenic is classified as one of the most toxic elements for humans by the World Health Organization (WHO). With the tightening drinking water regulation to 10 μg L −1 by the WHO, it is necessary to find efficient sorbent materials for arsenic. In this work, the removal of arsenic(V) from water is achieved with an insoluble chitosan sorbent in the protonated form obtained by a simple heating process. Kinetic studies show a very fast sorption (less than 10 min). The Langmuir isotherm model is best describing experimental data with a capacity of 42 mg g −1 at pH 8. The sorption process is based on anion exchange (chemisorption) determined from the Dubinin-Radushkevich model. The sorption efficiency of the chitosan sorbent is 97% at low concentrations (e.g. 100 μg L −1 ). Thermodynamic analysis reveals that the sorption process is exothermic and is controlled by enthalpic factors. Breakthrough curves (BTC) were acquired in real-time by instrumental chromatography and was better described by the Thomas model. BTC from column sorption and desorption with a salt solution suggest that this sorbent is relevant for large scale applications. With this new renewable product, it will be possible to treat arsenic contaminated water at low cost and with little waste (concentration factor of 1500).
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 ».