Zero-waste valorization of K-rich igneous rocks for cleaner potassic fertilizers
Notice bibliographique
Résumé
Potassium (K) deficiency in agricultural soils is a growing global concern, particularly in Africa, where soil nutrient depletion outpaces replenishment. This study investigates the potential of high-K igneous rocks with ultrapotassic syenite affinity as a sustainable source of K for agriculture through alkaline hydrothermal treatment. The objective was to optimize K release from these silicate rocks using a systematic experimental approach. A composite sample of ultrapotassic syenite rocks (∼15 wt% K 2 O) underwent alkaline hydrothermal treatment in an autoclave with varying time, temperature, particle size, CaO addition, and liquid (water) to solid ratio. A Fractional Factorial Design (FFD) was used to screen key variables, followed by a Central Composite Design (CCD) for K release optimization. Mineralogical characterization was performed using XRD, SEM-EDS, and XANES, while leaching tests assessed elemental release. Results showed that temperature, Solid (CaO)/Solid (syenite) ratio, and Liquid (water)/Solid (feed) ratio were the most significant factors affecting K release. The maximum K release of ∼70.6 % was achieved under conditions of 200 °C, 7 h, Solid (CaO)/Solid (syenite) of 0.9, and Liquid (water)/Solid (feed) of 0.43. XRD and SEM analyses revealed the formation of secondary phases such as portlandite and calcium-aluminum-silicate-hydrate (CASH). XANES analysis indicated the formation of K 2 SiO 3 under high treatment conditions. Leaching tests demonstrated rapid initial K release (up to 2096 mg/l within 15 min) followed by sustained slower release. This optimization study explores treated syenite ore as an innovative K fertilizer, demonstrating its potential to release essential nutrients like Ca and Si. Unlike conventional KCl fertilizers, this approach may improve soil properties and effective plant growth.
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 | 0,001 | 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 ».