Versatile waste wood-chitosan composites for 2,4-D and paraquat adsorption: Isotherm modelling and thermodynamic evaluation
Notice bibliographique
Résumé
2,4-dichlorophenoxy acetic acid (2,4-D) and 1,1-dimethyl-4,4-bipiridinium chloride (paraquat) are among the most widely used herbicides and are known to be toxic. Fabrication of green adsorbents which are capable of removing both herbicides remains a challenge. Here, we fabricate a novel adsorbent from tropical waste wood and use a facile, chitosan-mediated N-heteroatom functionalization technique to augment surface nitrogen and improve specific surface area. The addition of 20 wt% chitosan to the waste wood feedstock prior to activation, increased specific surface area by 300 m 2 /g (∼25%) and nitrogen content by 7-fold. This functionalized material removed 69% of 2,4-D and 82% of paraquat at initial concentrations of 4 ppm and 40 ppm from model solutions at pH 7. It also removed 39% 2,4-D and 93% paraquat from binary mixtures demonstrating its versatility. 2,4-D adsorption increased with chitosan addition suggesting synergistic effects between protonated amine functions and the anionic herbicide form. Paraquat adsorption was negatively correlated with chitosan addition, implying antagonistic interaction between protonated amine functions and quaternary nitrogen atoms on herbicide molecules. Adsorption of both herbicides was spontaneous, entropically favored and exothermic with ΔG ° : 19.2 kJ/mol and −28.8 kJ/mol; ΔS ° : 7.42 and 28.6 J/Kmol and ΔH ° : 17.0 kJ/mol and −20.1 kJ/mol for 2,4-D and paraquat respectively. Chitosan addition therefore provides a facile and green alternative for N-heteroatom functionalization, and these nitrogen-doped materials are promising candidates for the removal of multiple herbicides from aqueous systems. • Optimized chitosan-greenheart AC was obtained by addition of 20 wt% chitosan. • Chitosan doping increased nitrogen content by 7-fold and surface area by 300 m 2 /g. • 2,4-D and paraquat removal efficiencies were 69 % and 82%. • Physisorption enthalpies were −17.0 kJ/mol (2,4-D) and −20.1 kJ/mol (paraquat).
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) | 0,000 | 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 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 ».