Insights into the environmental benefits of using apple pomace for biosorption of lead from contaminated water
Notice bibliographique
Résumé
<h2>Abstract</h2> The apple processing industry generates large quantities of organic waste, presenting a major source of organic contamination. Consequently, finding an effective solution for valorizing this waste has become a pressing issue. This study aims to address two key concerns: (i) solving an agricultural problem by efficiently using agri-food residue, and (ii) removing lead, an extremely toxic element, from contaminated waters to mitigate environmental pollution. Two biosorbents were tested: raw apple waste (RA), obtained from a mixture of apple varieties, and the same material after extracting valuable bioactive and reusable components, extracted apple (EA). The study evaluated the influence of pH, initial biosorbent mass, adsorption kinetics, and equilibrium isotherms. The results are very promising, showing a lead removal efficiency of 82 % for RA and 100 % for EA at a low initial concentration of the solution of 20 mg Pb<sup>2</sup>⁺/L and an optimal pH of 5 ± 0.5. The Langmuir model predicted a maximum adsorption capacity of 44.6 mg/g for RA and 48.6 mg/g for EA. These findings demonstrate that apple waste, even after selective extraction of valuable bioactive components, can be effectively used for environmental remediation on a practical 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) | 0,000 | 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) | 0,001 | 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 ».