Biochar-templated surface precipitation and inner-sphere complexation effectively removes arsenic from acid mine drainage
Notice bibliographique
Résumé
Treatment of aqueous leachate from acid mine tailings with pristine biochar (BC) resulted in the removal of more than 90% of the dissolved arsenic with an attendant rapid and sustained pH buffering from 3 to 4. Pine forest waste BC was transformed to a highly effective adsorbent for arsenic remediation of acid mine drainage (AMD) because the dissolved iron induced "activation" of BC through accumulation of highly reactive ferric hydroxide surface sites. Physicochemical properties of the BC surface, and molecular mechanisms of Fe, S, and As phase transfer, were investigated using a multi-method, micro-scale approach (SEM, XRD, FTIR, XANES, EXAFS, and STXM). Co-located carbon and iron analysis with STXM indicated preferential iron neo-precipitates at carboxylic BC surface sites. Iron and arsenic X-ray spectroscopy showed an initial precipitation of ferrihydrite on BC, with concurrent adsorption/coprecipitation of arsenate. The molecular mechanism of arsenic removal involved bidentate, binuclear inner-sphere complexation of arsenate at the surfaces of pioneering ferric precipitates. Nucleation and crystal growth of ferrihydrite and goethite were observed after 1 h of reaction. The high sulfate activity in AMD promoted schwertmannite precipitation beginning at 6 h of reaction. At reaction times beyond 6 h, goethite and schwertmannite accumulated at the expense of ferrihydrite. Results indicate that the highly functionalized surface of BC acts as a scaffolding for the precipitation and activation of positively charged ferric hydroxy(sulf)oxide surface sites from iron-rich AMD, which then complex oxyanion arsenate, effectively removing it from porewaters. Graphical abstract.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| 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) | 0,002 | 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 ».