Efficiency of Sawdust from Selected African Indigenous Wood spp. as a Low-cost Adsorbent for Removal of Copper Ion from Contaminated Water
Notice bibliographique
Résumé
Aims: This study investigates the use of sawdust from 3 hardwood species as low-cost adsorbent for the removal of copper from contaminated water. Study Design: The experimental design used for this study was 3 x 2 x 4 factorial experiment; the different sawdust species, two baselines (treated and untreated) and four levels of pH and time as factors were combined and used for the study. Methodology: Test was carried out to investigate the effect of sawdust pre-treatment on their adsorption capacity in the removal of Copper ions from contaminated water at different pH levels; the sawdust samples were sieved through a screen size of 850 μm after which a portion of each species sawdust was subjected to pre-treatment by boiling while the other portions were maintained as control samples (untreated). Results: The results shows that adsorption capacity for both treated and untreated samples were 69.75±13.78%, 68.60±19.48%, 69.34±23.08%, 74.79±17.79%, 74.52±22.30% and 76.90±18.21% for Alstonia boonei, Erythrophleum suaveolens and Ficus mucuso respectively. Conclusion: The contact time and pH showed no significant difference between the treated and untreated samples. Sawdusts from the selected wood species are suitable to be used as adsorbent towards the removal of copper 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 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) | 0,001 | 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 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 ».