Efficient solar-driven degradation of a tire wear pollutant using floating K-doped g-C3N4 photocatalyst in secondary municipal wastewater
Notice bibliographique
Résumé
Graphitic carbon nitride (g-C 3 N 4 ) is a promising photocatalyst for solar-driven degradation of contaminants of emerging concern (CECs). However, its powdered form complicates recovery for large-scale applications in water treatment. In this study, we developed potassium-doped g-C 3 N 4 (KCN) supported on expanded perlite (EP), a non-toxic volcanic glass, to address these recovery challenges. KCN was synthesized in situ by adding varying amounts of KOH to urea and EP, followed by calcination. The EP/KCN composites were characterized and tested for the degradation of 1,3-diphenyl guanidine (DPG), a tire wear pollutant. SEM images showed that KCN coverage increased with higher urea loading on EP, with EP/KCN20 (20:1 urea to EP, 1 wt% KOH) having nearly complete surface coverage. FT-IR spectra confirmed stronger C-N and C=N stretching vibrations with increased KCN content, confirming the successful incorporation of KCN into the composite. XRD patterns displayed distinct KCN peaks at higher loadings, while PL analysis suggested slightly reduced charge recombination in the EP/KCN20 composite, indicating enhanced photocatalytic efficiency. Furthermore, EP/KCN20 achieved 96.1 % degradation of DPG under simulated solar exposure in 5 h, with over 80 % efficiency maintained across four consecutive cycles. The composite also demonstrated robust performance under more complex conditions, including natural solar light and in DPG-spiked secondary municipal wastewater, with a cost of 5.57 USD/m 3 . These findings highlight the potential of the EP/KCN composite as a scalable, cost-effective solution for the removal of CECs from wastewater, driven by renewable solar energy.
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 | 0,001 | 0,001 |
| 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 ».