A Route to Selective Arsenate Adsorption in Phosphate Solutions via Ternary Metal Biopolymer Composites
Notice bibliographique
Résumé
With the increased need for improved adsorbents for efficient water treatment, sodium alginate (NaAlg) and chitosan (Chi) represent promising platform biopolymers for the preparation of biocomposite adsorbents for the effective removal of waterborne oxyanion (arsenate (Asi) and orthophosphate (Pi)) contaminants. The TMCs were characterized by spectroscopy (infrared (IR), SEM with an energy dispersive X-ray (SEM-EDX)), point-of-zero-charge (PZC) measurements, and dye adsorption by employing p-nitrophenol at variable pH. Based on dye adsorption results, the adsorbent surface area (SA) was 271 m2/g for Al-TMC, 286 m2/g for Fe-TMC, and 311 m2/g for Cu-TMC. This indicates the role of adsorbent pore structure and swelling in water. Further, the role of either aluminum (Al), copper (Cu), or iron (Fe) for the preparation of TMCs for the selective Asi removal in the presence of Pi as a competitor anion was evaluated. While Al, Fe, and Cu coordinate to the biopolymer framework at C=O sites, only Fe coordinates to –NH2 sites. While Al coordinated via Al-O and interfacial hydroxy groups, Cu showed the formation of Cu2(OH)3NO3 in contrast to Fe, which observed FeOOH formation. Adsorption of Asi was highest for Al-TMC (80 mg/g), followed by Fe-TMC (77 mg/g) and Cu-TMC (31 mg/g). Adsorption of Pi was highest for Al-TMC (93 mg/g), followed by Fe-TMC (66 mg/g) and Cu-TMC (17 mg/g). While Al-TMC showed the highest adsorption capacity overall, only Fe-TMC (followed by Cu-TMC) showed strong arsenate selectivity over orthophosphate. The selectivity toward Asi in presence of Pi was determined and the binary separation factor (αt/c) and the selectivity coefficient (βt) were calculated, where Cu-TMC (αt/c = 6.1; βt = 4.4) and Fe-TMC (αt/c = 8.3; βt = 5.0) exceeded Al-TMC (αt/c = 1.5; βt = 1.2). This work contributes to the field of oxyanion-selective adsorbents via judicious selection of the metal salt precursor during the synthetic design of the ternary biocomposite systems, as demonstrated herein.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».