Steel slag - corn straw biochar composite for reducing arsenic bioavailability in paddy soil: Effectiveness and mechanisms
Notice bibliographique
Résumé
Arsenic (As) pollution poses a serious threat to both ecological systems and human health, making the development of economical and efficient remediation materials a key research priority. Steel slag (SS) and corn straw biochar (BC) are promising low-cost precursors with strong potential for As immobilization. In this study, steel slag–corn straw biochar composites (SSBCs) were produced via co-pyrolysis to elucidate their mechanisms for immobilizing As in contaminated paddy soils and inhibiting As uptake by ryegrass. Through ryegrass pot experiments and adsorption analyses, the As-reduction performance of BC, SS, and SSBCs was systematically evaluated, with particular emphasis on their effectiveness in lowering As bioavailability in paddy soil. Pot experiments revealed the application of 2 % SSBCs increased ryegrass biomass while markedly decreasing As accumulation in ryegrass roots. Furthermore, SSBC₁ (SS: BC= 1:1, mass ratio) and SSBC₂ (2.5:1) treatments elevated soil pH and significantly reduced available As concentrations. Characterization analyses indicated that the enhanced As(III) removal efficiency of SSBC₁ was primarily attributable to its hydroxyl, Ca–O, and Fe–O functional groups and its porous structure, which promoted surface complexation and electrostatic adsorption. In adsorption experiments, both BC and SSBCs rapidly adsorbed As(III), reaching equilibrium within 120 min. Among them, SSBC₁ exhibited the highest adsorption capacity (21.64 mg g⁻¹), representing a six-fold increase compared with BC (3.46 mg g⁻¹). Adsorption capacity increased under acidic conditions (pH 3.0–7.0), and SSBC₁ significantly enhancing soil As(III) retention. These mechanisms contributed to effective As immobilization, thereby reducing its bioavailability and subsequent plant uptake. Overall, the preparation of SSBCs improved the physicochemical properties and surface structure of BC, enhanced its adsorption performance, and demonstrated strong potential for the remediation of As-contaminated paddy soils.
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 ».