Application of anodic stripping voltammetry to sorption performance assess of soluble eggshell membrane protein/MWCNT nonocomposite forheavy metal removal

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 616

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELECTROCHEMISTRY011_233

تاریخ نمایه سازی: 5 بهمن 1395

چکیده مقاله:

Exposure to heavy metals, even at trace level, is believed to be a risk for human beings Nowadays, numerous methods have been proposed for efficient removal of heavy metal from waters. Adsorption is one of the most important techniques for heavy metal removal from water samples (1).In this study, multi-walled carbon nanotube was doped in soluble eggshell membrane protein(SEP/MWCNT) matrix to removal arsenic ions from aqueous solution (2). To assess theabsorption mechanism and gain parameters involved in the absorption process, anodic stripping voltammetry (ASV) technique was used. ASV method consisted of two steps, including preconcentration of the analyte at the electrode surface by reduction, and stripping thepreconcentrated analyte at the electrode surface by oxidation. Maximum Arsenic sorption was observed to be in acidic media (pH 1.7). According to the experimental results, Freundlichisotherm is considered for the absorption of Arsenic on the SEP/MWCNT nonocomposite.

نویسندگان

Habib Razmi

Analytical Chemistry Research Lab., Faculty of Basic Sciences, Azarbaijan Shahid Madani University, Tabriz, Iran

Tala Sufi-Zadeh

Analytical Chemistry Research Lab., Faculty of Basic Sciences, Azarbaijan Shahid Madani University, Tabriz, Iran

Rahim Mohammad-Rezaei

Analytical Chemistry Research Lab., Faculty of Basic Sciences, Azarbaijan Shahid Madani University, Tabriz, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :