MétaCan
Menu
Retour à la cohorte
Enregistrement W3008946833 · doi:10.3390/ma13051037

Biochars from Lignin-rich Residue of Furfural Manufacturing Process for Heavy Metal Ions Remediation

2020· article· en· W3008946833 sur OpenAlexafffund
Baobin Wang, Ran Miao, Guigan Fang, Ting Wu, Yonghao Ni

Notice bibliographique

RevueMaterials · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdsorption and biosorption for pollutant removal
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNational Key Research and Development Program of ChinaChina Scholarship CouncilNew Brunswick Innovation Foundation
Mots-clésAdsorptionHydrothermal carbonizationFurfuralMetal ions in aqueous solutionResidue (chemistry)ChemistryCarbonizationAqueous solutionDesorptionActivated carbonLigninEnvironmental remediationMetalSorptionChemical engineeringNuclear chemistryMaterials scienceInorganic chemistryOrganic chemistryCatalysisContamination

Résumé

récupéré en direct d'OpenAlex

The pentose/furfural industrial manufacturing process uses corn cob residue as a raw material, where such a process yields significant amount of lignin-rich residue (LCR) at the end, which is commonly disposed by burning. In this study, the conversion of LCR to biochars (BCs), and their subsequent applications for heavy metal ion removal, were investigated. The BCs were prepared through hydrothermal carbonization and post-activation, using either ZnCl2 or H3PO4 treatment. The as-prepared activated BCs were characterized using N2 adsorption–desorption isotherms, XRD, FT-IR, SEM and TEM, and their performance in removing heavy metal ions (Pb2+, Cu2+, Cd2+) from aqueous solutions was assessed. The ZnCl2-activated BCs (BC-ZnCl2) exhibit a higher adsorption capacity than the H3PO4-activated BCs (BC-H3PO4), mainly due to the differences in their chemical/physical characteristics. The related adsorption kinetics and isotherms were analyzed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,254
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetAdsorption and biosorption for pollutant removalTravaux en français237 207