Amine-functionalized magnetic bio-nanocomposite for fluoride and chromium removal in water
Notice bibliographique
Résumé
Hexavalent chromium (Cr(VI)) and fluoride (F − ) are hazardous anionic pollutants, frequently present in industrial effluents and naturally occurring in groundwater within Ethiopia's Rift Valley, respectively. These contaminants pose significant health and ecological threats. In this study, a novel and environmentally friendly nanocomposite adsorbent was developed to effectively remove Cr(VI) and fluoride from aqueous systems. The synthesized material—a coffee husk extract (CHE)-capped, amine-functionalized magnetite–pumice–magnesium silica nanocomposite (Fe₃O₄/PU/Mg@SiO₂-NH₂-NC)—incorporates multiple green synthesis strategies: silica nanoparticles derived from bagasse-extracted sodium silicate and capped with CHE, the inclusion of CHE-stabilized MgO nanoparticles, and surface amination to improve the affinity for negatively charged species. To the best of our knowledge, this is the first study to integrate these components into a unified nanocomposite system specifically designed for targeted water treatement. The composite exhibited excellent adsorption capacity, achieving removal efficiencies of 92 % for fluoride (at 4 g·L −1 ) and 86 % for Cr(VI) (at 10 g·L −1 ), from initial concentrations of 5 mg·L −1 and 30 mg·L −1 , respectively. The adsorption process followed pseudo-second-order kinetics and aligned well with the Langmuir isotherm model, yielding maximum adsorption capacities of 14.79 mg·g −1 for fluoride and 66.8 mg·g −1 for Cr(VI). Furthermore, the nanocomposite demonstrated excellent regeneration potential, retaining over 82 % of its original adsorption capacity after five cycles. These findings highlight the promise of CHE-capped Fe₃O₄/PU/Mg@SiO₂-NH₂-NC as a highly effective and sustainable adsorbent for the removal of fluoride and Cr(VI) from contaminated water.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».