Synthesis of BaCO<sub>3</sub> particles tailored by carboxylated cellulose fibers
Notice bibliographique
Résumé
Abstract The present work deals with the use of carboxylated cellulose fibers, thereafter called Cellulose Nano Fibers (CNF), as eco-friendly materials and sustainable resources for remediation and valuation, of metal ions present in contaminated water. Barium divalent cation (Ba2+) is among the most common heavy metal pollutants found in water such as arsenic, cadmium, chromium, copper, nickel, lead and mercury. Thus, CNFs containing carboxylate groups were first prepared by the oxidation of the cellulose fibers using the NaOCl-NaBr-TEMPO system, and thereafter, they were used as adsorbent for Ba2+ ions removal from BaCl2 aqueous solutions. Such Ba2+ removal was evidenced by the decrease of both the CNF surface charge and the CNF absorbance, upon the addition of the metal divalent cation, BaCl2 to the CNF aqueous dispersions. It is shown that the interaction occurring between the fiber carboxylic groups and the positively charged metal ions, Ba2+, occurs via electrostatic interactions and leads to the CNFs –Ba2+ complex formation. In the second part of this work, we investigated the effect of the CNFs on the crystallogenesis of barium carbonate particles, BaCO3. Thus, the CNFs aqueous solution was first added to barium chloride BaCl2 solution, and the mixture was stirred for a period of time (complexation time), prior the addition of sodium carbonate (Na2CO3) solution. The precipitation of barium carbonate particles in the presence of CNFs occurred at ambient temperature, in a water-jacketed Pyrex glass vessel. Finally, the resulting Barium carbonate-CNFs composites were examined by various methods such as Scanning Electronic Microscopy (SEM), and X-ray Diffraction. From the SEM data, two BaCO3 morphologies were observed, dendritic and bent or rods particles, respectively, in the absence and in the presence of the CNFs.
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 ».