Green synthesis of zero-valent iron nanoparticles from cape gooseberry (physalis peruviana l.) Biomass for oil spill remediation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The study explores eco-friendly synthesis of zero valent iron nanoparticles (nZVI) using Cape gooseberry fruit, leaf or husk extracts as reducing agents for iron (III) chloride (0.5 M, 0.1 M or 0.01 M) precursor in a 2:1 ratio under sonication. The nZVI were characterized using ultraviolet-visible (UV–vis) spectroscopy, Fourier transform-infrared (FTIR) spectroscopy, X-ray diffraction (XRD), Scanning electron microscopy (SEM), Zetasizer analysis, and Brunauer-Emmett-Teller (BET) analysis. Batch remediation experiments for 1 ml, 5 ml, or 10 ml of diesel in 100 ml of deionized water were performed using 0.33 g of nZVI. The highest quantity of nZVI was obtained from 0.5 M FeCl 3 and fruit extract. FTIR and UV–vis spectroscopy confirmed that Cape gooseberry polyphenols reduced and stabilized the nZVI, while XRD indicated a crystalline alpha-iron core with iron oxide shells. SEM imaging revealed agglomeration in nZVI from fruit and leaf extracts, while husk extract nZVI showed uniform size and porosity. Zytasizer analysis showed nZVI from fruit extract had diameters under 100 nm, while leaf and husk extracts nZVI were slightly over 100 nm. Zeta potentials were -29.48 mV (fruit), -33.62 mV (leaf), and -33.5 mV (husk). BET analysis showed husk extract nZVI had the highest surface area. The synthesized nZVI achieved diesel remediation efficiencies of 94.3 % (fruit), 94.3 % (leaf), and 94.6 % (husk) demonstrating successful synthesis of nZVI for diesel contamination cleanup. In addition to being a waste material, husks are advantageous over the fruits and leaves as feedstock for nZVI synthesis due to their superior uniformity and surface area.
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.
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 découle