Chemical and Morphologic Characterization of Sylvite (KCl) Mineral from Different Deposits Used in the Production of Fertilizers
Notice bibliographique
Résumé
In the present work, four (4) samples of sylvite (KCl) from different deposits in Canada, Belarus and Germany were analyzed in order to determine the differences between them in terms of chemical composition, morphology and impurities present. Different non-instrumental and instrumental techniques were used. A scanning electron microscope analysis showed that the particles are completely amorphous. Bueno mineral has particles with the largest area (with 91.4% particles larger than 0.50 mm), and the BPC mineral samples have those with the smallest area (with 49.9% particles smaller than 0.50 mm). The Bueno mineral has the highest angle of repose. Bueno mineral has the highest surface area and pore volume when compared to the other KCl minerals. On the other hand, the BPC KCl mineral presented a lower surface area and pore volume. The problem mineral has the highest percentage composition of K. Blanco mineral did not present Al, and the element Mo was not detected in the Blanco and Bueno mineral. The IR bands of O-H, C-N, N-H and C=O bonds were observed. These results are useful for the fertilizer industry. These differences can produce adverse effects in a subsequent application in fertilizer production processes. Such differences can be attributed to the origin of this mineral, the way it is obtained and exploited, or to the transport and storage process through the use of anticompacting additives due to the high hygroscopicity of the mineral.
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 ».