Thermodynamic Analysis of Nickel(II) and Zinc(II) Adsorption to Biochar
Notice bibliographique
Résumé
While numerous studies have investigated metal uptake from solution by biochar, few of these have developed a mechanistic understanding of the adsorption reactions that occur at the biochar surface. In this study, we explore a combined modeling and spectroscopic approach for the first time to describe the molecular level adsorption of Ni(II) and Zn(II) to five types of biochar. Following thorough characterization, potentiometric titrations were carried out to measure the proton (H+) reactivity of each biochar, and the data was used to develop protonation models. Surface complexation modeling (SCM) supported by synchrotron-based extended X-ray absorption fine structure (EXAFS) was then used to gain insights into the molecular scale metal–biochar surface reactions. The SCM approach was combined with isothermal titration calorimetry (ITC) data to determine the thermodynamic driving forces of metal adsorption. Our results show that the reactivity of biochar toward Ni(II) and Zn(II) directly relates to the site densities of biochar. EXAFS along with FT-IR analyses, suggest that Ni(II) and Zn(II) adsorption occurred primarily through proton-active carboxyl (−COOH) and hydroxyl (−OH) functional groups on the biochar surface. SCM-ITC analyses revealed that the enthalpies of protonation are exothermic and Ni(II) and Zn(II) complexes with biochar surface are slightly exothermic to slightly endothermic. The results obtained from these combined approaches contribute to the better understanding of molecular scale metal adsorption onto the biochar surface, and will facilitate the further development of thermodynamics-based, predictive approaches to biochar removal of metals from contaminated water.
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 | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».