Sustainable Valorization of Rice Straw into Biochar and Carbon Dots Using a Novel One-Pot Approach for Dual Applications in Detection and Removal of Lead Ions
Notice bibliographique
Résumé
Lead (Pb) is a highly toxic heavy metal that causes significant health hazards and environmental damage. Thus, the detection and removal of Pb2+ ions in freshwater sources are imperative for safeguarding public health and the environment. Moreover, the transformation of single resources into multiple high-value products is vital for achieving sustainable development goals (SDGs). In this regard, the present work focused on the preparation of two efficient materials, i.e., biochar (R-BC) and carbon dots (R-CDs) from a single resource (rice straw), via a novel approach by using extraction and hydrothermal process. The various microscopic and spectroscopy techniques confirmed the formation of porous structure and spherical morphology of R-BC and R-CDs, respectively. FTIR analysis confirmed the presence of hydroxyl (–OH), carboxyl (–COO) and amine (N–H) groups on the R-CDs’ surface. The obtained blue luminescent R-CDs were employed as chemosensors for the detection of Pb2+ ions. The sensor exhibited a strong linear correlation over a concentration range of 1 µM to 100 µM, with a limit of detection (LOD) of 0.11 µM. Furthermore, the BET analysis of R-BC indicated a surface area of 1.71 m2/g and a monolayer volume of 0.0081 cm3/g, supporting its adsorption potential for Pb2+. The R-BC showed excellent removal efficiency of 77.61%. The adsorption process followed the Langmuir isotherm model and second-order kinetics. Therefore, the dual use of rice straw-derived provides a cost-effective, environmentally friendly solution for Pb2+ detection and remediation to accomplish the SDGs.
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) | 0,000 | 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 ».