Valorisation of <i>Ceratonia siliqua</i> leaves as an efficient green biosorbent for dye removal
Notice bibliographique
Résumé
Water pollution by synthetic dyes such as methylene blue (MB) poses serious risks to aquatic ecosystems and human health, making the development of cost-effective and eco-friendly adsorbents essential. In this study, Ceratonia siliqua leaves (CSL), an abundant agricultural by-product, were valorised as a sustainable biosorbent for MB removal from aqueous solutions. CSL material was characterised using Fourier transform infrared spectroscopy, scanning electron microscopy, X-ray diffraction, and thermogravimetric/differential thermal analysis to elucidate its physicochemical and structural features. Batch adsorption experiments were conducted under varying pH levels (2–12), adsorbent doses (2–100 mg), contact times (2–60 min), dye concentrations (20–1000 mg/l), and temperatures (10°C–50°C) to determine the optimal conditions. Kinetic studies revealed that the pseudo-second-order model provided the best fit (R2 = 0.9992), while equilibrium data were described by both Langmuir (qmax = 1891.81 mg/g, R2 = 0.98) and Freundlich (R2 = 0.99) models. However, the superior correlation of Freundlich indicates that adsorption mainly occurs on a heterogeneous surface with sites of varying affinities, consistent with the lignocellulosic structure of CSL. Thermodynamic analysis confirmed that the adsorption was spontaneous and exothermic. Overall, CSL demonstrated excellent adsorption performance, highlighting its potential as a cheap, renewable, and sustainable adsorbent for large-scale wastewater treatment applications.
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 ».