Effects of pH and Dissolved Silicate on Phosphate Mineral-Water Partitioning with Goethite
Notice bibliographique
Résumé
Release of sorbed phosphate from ferric iron oxyhydroxides can contribute to excessive algal growth in surface water bodies. Dissolved silicate has been hypothesized to facilitate phosphate desorption by competing for mineral surface sites. Here, we conducted phosphate and silicate adsorption experiments with goethite under a wide pH range (3–11), both individually (P or Si) and simultaneously (P plus Si). The entire experimental data set was successfully reproduced by the charge distribution multisite surface complexation (CD-MUSIC) model. Phosphate adsorption was highest under acidic conditions and gradually decreased from near-neutral to alkaline pH conditions. Maximum silicate adsorption, in contrast, occurred under alkaline conditions, peaking around pH 10. The competitive effect of silicate on phosphate adsorption was negligible under acidic conditions, becoming more pronounced under alkaline conditions and elevated molar Si:P ratios (>4). In a subsequent experiment, desorption of phosphate with increasing pH was monitored, in the presence or absence of dissolved silicate. While, as expected, desorption of phosphate was observed during the transition from acidic to alkaline conditions, a fraction of phosphate remained irreversibly bound to goethite. Even at high Si:P ratios and alkaline pH, dissolved silicate did not affect phosphate desorption, implying that kinetic factors prevented silicate from displacing phosphate from goethite binding sites.
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 ».