Ecofriendly synthesis of selenium nanoparticles using agricultural <scp><i>Citrus fortunella</i></scp> waste and decolourization of crystal violet from aqueous solution
Notice bibliographique
Résumé
Abstract In this study, the reuse of Citrus fortunella (CF) plant waste, an agricultural product, was evaluated within the scope of sustainability. In this context, selenium nanoparticles (CF‐Se NPs) were synthesized from CF waste extracts and crystal violet (CV) dye was removed. The characteristic structure of the synthesized CF‐Se NPs was determined by X‐ray diffraction (XRD), scanning electron microscopy (SEM), energy dispersive X‐ray (EDX), Fourier transform infrared spectroscopy (FTIR), UV–vis spectroscopy, and point of zero charge (pH pzc ). Batch adsorption tests were applied to determine the effect of the synthesized CF‐Se NPs on CV removal. Four different kinetic and isotherm models were examined using error analysis functions. While the particle size of CF‐Se NPs was determined as 27.58 nm, the pH pzc value was calculated as 9.40, the average surface charge distribution was −24.1 mV, and mass losses were 9.03% and 13.42% at 334.99 and 739.21°C, respectively. The most suitable kinetic and isotherm model for CV removal with CF‐Se NPs was determined to be pseudo‐second‐order with a R 2 ‐value of 0.999 and Freundlich with R 2 ‐value of 0.993, and the q max was calculated as 23.55 mgCV/gCF‐SeNPs. The effectiveness of CF‐Se NPs synthesized from waste in CV removal is a remarkable issue in terms of sustainable production.
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 | 0,001 |
| 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 ».