Water Quality Assessment Using Activated Carbon from Cocoshells in Lake Mainit, Philippines
Notice bibliographique
Résumé
Mining activities pose environmental impacts especially when the operation is near bodies of water, thus, affecting water quality. As these environmental impacts are growing, there is a pressing need for increased intervention studies to improve water quality. This study aimed to evaluate the effectiveness of granulated activated carbon made from coconut shells in reducing heavy metal levels and enhancing the water quality of Lake Mainit located at Agusan del Norte and Surigao del Norte, Philippines. Silica sand, pumice stones, and white marble chips were added to a glass tank with the granulated activated carbon made from coconut shells. The water sample underwent various laboratory tests. The atomic absorption spectrometry flame technique was used to analyze the heavy metals lead and cadmium. Gravimetric method was employed in total suspended solids and total dissolved solids, and nephelometric method for turbidity. Pre-treated water sample analysis regarding lead, total dissolved solids, and turbidity are within the permissible limits, however, total suspended solids and cadmium concentration surpassed the allowable limits for Class A waters. Removal efficiency in terms of heavy metal concentration and the significant difference of parameters between the water sample before and after intervention were calculated. Results showed that after the intervention, activated carbon made from coconut shells were able to reduce the cadmium level present in the water sample. It also improved the quality of water within permissible limits. Hence, the activated carbon made from agricultural waste such as coconut shells has considerable potential to provide better water quality.
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 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».