Metal oxide nanoparticle-modified graphene oxide for removal of elemental mercury
Notice bibliographique
Résumé
Mercury is an extremely toxic element that is primarily released by anthropogenic activities and natural sources. Controlling Hg emissions, especially from coal combustion flue gas, is of practical importance in protecting the environment and preventing human health risks. In the present work, three metal oxides (MnO2, CuO, and ZnO) were loaded on graphene oxide (GO) sorbents (designated as MnO2-GO, CuO-GO, and ZnO-GO). All three adsorbents were successfully synthesized and were well characterized using scanning electron microscopy (SEM), transmission electron microscopy (TEM), X-ray diffraction (XRD) and X-ray photoelectron spectroscopy (XPS). The results indicated that the metal oxide nanoparticles (NPs) successfully decorated the GO. The elemental Hg adsorption capabilities of the three sorbents were subsequently evaluated using an in-house built setup for cold vapour atomic fluorescence spectrophotometry (CVAFS) with argon as the carrier gas for mercury detection. The testing temperature ranged from 50°C to 200°C at intervals of 50°C. MnO2-GO showed an excel lent Hg0 adsorption capacity via chemisorption from 50 to 150°C and a mercury removal efficiency as high as 85% at 200°C, indicating that the MnO2-NP-modified GO is applicable for enhancing gas-phase elemental mercury removal. However, neither CuO-GO nor ZnO-GO performed well. This work provides useful insights into the development of novel sorbent materials for the elemental mercury removal from flue gases.
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 | 0,002 |
| 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) | 0,001 | 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 ».