A robust assessment and treatment of selected organochlorine pesticides and heavy metals in industrial wastewater using nanoparticles: a case study in Nigeria
Notice bibliographique
Résumé
The discharge of non/ill-treated industrial effluent containing organochlorine pesticides (OCPs) and potentially toxic metal ions into the aquatic ecosystem has endangered both aquatic life and man. Thus, this study presents the evaluation of potentially toxic metal ions in thirteen industrial effluents sampled from five different states in Nigeria, as well as the level of OCPs content of a pesticide industry sited in Kanu State, Nigeria. The range of concentration estimated for the analyte was noticed to be higher than the recommended concentration limits for both OCPs and potentially toxic metal ions. Thus, biozinc oxide nanoparticles (BioZnONPs), zinc oxide nanoparticles (ZnONPs), and biozinc oxide-carboxymethyl cellulose nanocomposite (BioZnONPs-CMC) were fabricated and characterized using non-destructive spectroscopic techniques and a specific surface area analyzer for remediation of industrial effluents. The incorporation of nanoparticles and nanocomposites resulted in a substantial reduction in key water quality parameters, including total dissolved solids (TDS), sulfate (SO₄²⁻), electrical conductivity (EC), total phosphorus, chemical oxygen demand (COD), chloride (Cl⁻), and pH, highlighting their potential for effective water purification applications. The OCPs mean adsorption capacities of BioZnONPs, ZnONPs, and BioZnONPs-CMC were determined as 10.2 ± 10.182 mg g –1 , 14.2 ± 4.526 mg g –1 , and 14.2 ± 4.525 mg g –1 , respectively. Conversely, BioZnONPs, ZnONPs, and BioZnONPs-CMC exhibited strong efficacy in removing cadmium (Cd), chromium (Cr), and lead (Pb) ions from industrial effluents, underscoring their potential as effective agents for heavy metal remediation. This study shows the successful fabrication of wastewater treatment agents for the removal of OCPs and potentially toxic metal ions. To maintain a safe environment, this study also highlights the necessity of routinely evaluating both treated and untreated industrial effluents.
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 | 0,001 |
| 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 ».