Removal of phenolics from aqueous pyrolysis condensate by activated biochar
Notice bibliographique
Résumé
Abstract Aqueous pyrolysis condensate (APC) is rich in acetic acid and has been utilized as feedstock for anaerobic digestion to produce biogas. However, various phenolic compounds dissolved in the APC act as inhibitors, negatively affecting the anaerobic digestion. In this work, we have investigated the feasibility of employing pyrolytic biochar as an adsorbent for the selective removal of phenolics from APC. Biochars derived from the pyrolysis of soft wood, rice husks, and sewage sludge and their respective activated forms have been tested as potential adsorbents for the removal of pure phenol from water solutions. The experimental results showed that, among the adsorbents studied, activated soft wood (ASW) biochar has the highest adsorption efficiency and capacity for phenol removal from water. The kinetic and isotherm studies showed that the phenol adsorption data with ASW biochar may be well described by pseudo second‐order equation and Freundlich model. Batch experiments were carried out to investigate the effects of pH, adsorbent loading, contact time, and temperature on phenolics adsorption onto ASW from APC. At optimal adsorption conditions (pH of 6.0, contact time of 30 min, adsorbent loading of 9.61 , and temperature of 25°C), an adsorption efficiency of 96.9% ± 1.8% and a capacity of 100.78 ± 2.7 mg · g −1 were achieved. Finally, the adsorption efficiency and capacity of ASW for phenolics removal from APC was successfully compared with those of commercial activated carbon, showing comparable results, which indicated the suitability of ASW as an environmentally friendly adsorbent.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».