Efficient Photocatalytic Degradation of Aqueous Atrazine over Graphene-Promoted g-C3N4 Nanosheets
Notice bibliographique
Résumé
Atrazine is a systemic herbicide widely used in weed control. In recent years, it has been largely detected in surface and groundwater in several locations all over the world. Photocatalysis is a green and sustainable technology with huge application prospects in pollution control and the degradation of organic water pollutants. In this work, photodegradation of aqueous atrazine was investigated over pristine graphitic carbon nitride (g-C3N4) synthesized via urea pyrolysis and graphene/g-C3N4 composite synthesized via the in situ growth method involving direct deposition of g-C3N4 nanosheets on the graphene surface. The obtained photocatalysts were characterized using transmission and scanning electron microscopy, Fourier-transformed infrared spectroscopy, UV-visible spectroscopy, photoluminescence spectroscopy, X-ray diffraction, and surface area measurements. It was demonstrated that the composite material exhibited remarkable photocatalytic properties for the efficient degradation of aqueous atrazine under visible light at ambient temperature. After 5 h of reaction, atrazine conversion reached 100% in the presence of graphene/g-C3N4 composite, while the pristine g-C3N4 allowed 40% conversion under the same conditions, thus demonstrating the positive effect of graphene on the photocatalytic activity of g-C3N4. Moreover, graphene/g-C3N4 was shown to keep its activity even when it was recycled five times, thus proving its stability and its potential to be used at the industrial scale.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».