Recovery and separation of phosphorus as dicalcium phosphate dihydrate for fertilizer and livestock feed additive production from a low-grade phosphate ore
Notice bibliographique
Résumé
With the rapid increase in the world population, the global demand for food production has been increasing steeply. This increase has resulted in an increased demand for phosphorus crop fertilizers and livestock feed additives. Considering recent predictions that the global reserves of high-grade phosphorus resources would deplete within 15 years, new initiatives have begun to utilize low-grade resources to ensure sustainable supply of this essential nutrient. The main challenge with the use of low-grade resources is the difficulty with the efficient and economical separation of phosphorus from the other constituent elements, such as iron, aluminum, and magnesium. Most previous studies on the adoption of low-grade phosphate ores have focussed on ore beneficiation processes which are expensive, complex, and in some cases inefficient. In this study, we develop an integrated process for the direct recovery and separation of dicalcium phosphate dihydrate for fertilizer and livestock feed additive production from a low-grade (2.0 wt% P) iron-rich (19.7 wt% Fe) phosphate ore. The process combines leaching using dilute sulfuric acid (0.29 M) and selective precipitation using calcium oxide. During selective precipitation, ethylenediaminetetraacetic acid (EDTA) is used as a stabilizing agent to prevent iron and phosphorus co-precipitation. This process can be operated as a closed loop, allowing the recovery and recycling of both water and EDTA, while eliminating the production of liquid waste. The developed process achieves around 70% phosphorus recovery as an industrial-grade (19 wt% P) dicalcium phosphate dihydrate product with minimal iron, magnesium, and aluminum contamination, while also producing value-added calcium sulfate dihydrate (gypsum) and iron/magnesium byproducts. This process enables economical and sustainable recovery of phosphorus from low-grade ores, which can address the rising global demand for food production.
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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».