氧化钇纳米颗粒的绿色合成与先进建模技术：用于高效去除受污染水中的锑

《Journal of Water Process Engineering》：Green synthesis and advanced modeling of yttrium oxide nanoparticles for efficient antimony removal from contaminated water

纳米氧化钇通过松针提取绿色合成，对水体重金属砷离子具有高效吸附能力，最大吸附量228.54 mg/g，再生性能达62%以上。研究结合响应面法与人工神经网络优化工艺，热力学分析表明吸附过程自发且放热。

　　

阿明·埃尔·阿齐兹（Amine El Azizi）|科努兹·哈米达拉（Konouz Hamidallah）|亚辛·埃尔·米兹（Yassine El Miz）|穆罕默德·埃尔塞内蒂（Mohamed Elsenety）|努尔丁·埃尔·梅萨乌迪（Noureddine El Messaoudi）|穆斯林·梅萨利（Mouslim Messali）|穆罕默德·卢图（Mohamed Loutou）

摩洛哥纳达尔穆罕默德第一大学多学科学院分子化学、材料与环境实验室（LCM2E），邮政信箱300，62700，塞卢安，纳达尔

摘要

通过使用松树叶提取物，采用绿色合成方法制备了氧化钇纳米颗粒（Y₂O₃ NPs），并评估了其去除水溶液中Sb³⁺的能力。结构表征证实这些纳米颗粒具有高度结晶性，平均粒径约为16.4纳米。批量吸附实验表明其最大吸附容量为228.54毫克/克。平衡数据最好用朗缪尔等温线描述，表明为单层吸附；而动力学数据则符合伪一级模型，表明Sb³⁺的吸附过程迅速。热力学分析显示吸附过程是自发的且放热的（ΔG° < 0，ΔH° = ?23.52千焦/摩尔）。利用响应面方法（RSM）和人工神经网络（ANN）对工艺进行优化后，结果与实验数据非常吻合，其中ANN的预测准确性更高（R² > 0.99）。再生实验表明，这些纳米颗粒在经过八次重复使用后仍能保留超过62%的吸附容量，证明了其可重复使用性。这些结果突显了绿色合成的Y₂O₃纳米颗粒作为高效、可重复使用的吸附剂在去除受污染水中的Sb³⁺方面的潜力。

引言

由于人口快速增长、城市化和工业化，全球水资源危机日益严重[1]。这些现象对有限的淡水资源造成了巨大压力，而淡水资源仅占全球总储量的约2.8%[2]。这种稀缺性对生态系统和人类社会的可持续性构成了重大挑战。此外，污染、地下水过度开采以及废水管理不善进一步加剧了水质恶化[3]。气候变化也在某些地区加剧了干旱，同时在其他地区增加了洪水的风险[4]。为了确保当前和未来几代人能够获得高质量的淡水，创新方法至关重要。

为应对这一危机，联合国2030年可持续发展目标（SDGs）重点关注公平获取水资源、改善卫生条件以及水资源的可持续管理[5]、[6]。这些目标特别旨在从源头上减少污染、回收废水，并采用先进的水处理技术[7]。在发展中国家，获得优质饮用水的机会仍然有限[8]、[9]。实现这些目标需要开发实用、经济且适应性强的解决方案，以处理各种类型的污染，包括重金属污染。

铅、镉和锑等重金属是最令人担忧的污染物之一，因为它们具有毒性且在环境中持久存在[10]。特别是锑，广泛应用于阻燃剂、半导体和电池等工业领域，使其成为工业废水中的常见污染物[11]。其毒性在于它能够在生物体内积累，导致神经系统疾病、生殖毒性及器官功能障碍[12]、[13]。这种对公共健康和环境的威胁要求采取有效且可持续的处理策略。

在可用的方法中，吸附是去除受污染水中重金属的最有前景的方法之一[14]。吸附方法因其简单性、低成本和低环境影响而受到青睐，同时允许吸附材料被再生和重复使用[15]。与其他技术（如混凝或反渗透）不同，吸附产生的二次废物很少[16]、[17]。纳米技术的最新进展通过引入具有优异性能的纳米吸附剂（如高比表面积、增强反应性和可调表面化学性质）彻底改变了这一方法[18]、[19]。这些特性使得纳米颗粒特别适合去除重金属，如锑。

基于生物质的吸附剂因其可再生性和较低的环境影响而成为废水处理的可持续选择。壳聚糖和环糊精基材料因其丰富的功能性化学成分而被广泛用于污染物去除研究；然而，实际应用通常需要化学改性以提高稳定性和可重复使用性[20]。同样，基于生物炭的吸附剂在去除无机污染物方面表现出良好性能，但其效率很大程度上取决于原料选择和后处理策略。在这种背景下，利用植物提取物合成的金属氧化物纳米颗粒是一种互补方法，结合了生物质化学性质和无机氧化物的固有稳定性，提供了出色的吸附性能和更好的再生潜力[21]。

金属氧化物纳米颗粒因其独特的物理化学性质而受到特别关注，使其成为在水环境中吸附重金属的理想材料[22]、[23]。这些纳米颗粒包括二氧化钛（TiO₂）[24]、氧化锌（ZnO）[25]、氧化铜（CuO）[26]、氧化镁（MgO）[27]和氧化钇（Y₂O₃）[28]，它们兼具热稳定性、高反应性和大的比表面积，具有大量的金属离子结合位点。例如，Y₂O₃纳米颗粒对锑具有显著的亲和力，因为它们能够形成离子键和共价键[29]。此外，其纳米尺寸增加了接触面积，从而提高了吸附效率，并允许在极端环境条件下使用。

纳米颗粒可以通过传统方法合成，但这些方法通常需要有毒试剂和能耗高的条件，限制了其可持续性。为了克服这些限制，人们开发了绿色合成方法，利用植物提取物作为天然还原剂和稳定剂[30]、[31]。植物富含多酚、黄酮类和萜类等生物活性化合物，能够促进金属离子的还原并稳定形成的纳米颗粒[32]、[33]。这些化合物还在纳米颗粒表面引入了功能基团，提高了其在重金属吸附等应用中的反应性和性能[34]、[35]。除了实现可持续发展目标外，这种可持续方法还为生产适用于处理受污染水的高级材料开辟了新的机会。

响应面方法（RSM）是一种强大的工具，可用于分析多个独立变量与响应变量之间的关系，帮助研究人员确定实现预期结果的最佳条件[36]、[37]。通过运用数学和统计技术，RSM有助于开发预测模型并优化工艺，使污染物管理更加高效和可持续[38]。

同时，人工神经网络（ANN）为预测提供了重要支持。这些先进模型能够优化实验参数（如pH值、初始浓度、接触时间和吸附剂剂量），从而大大减少了实验次数[37]、[39]。由于ANN能够预测吸附性能，加速了针对实际挑战的实用解决方案的开发。

近年来，人们越来越关注使用植物提取物进行金属氧化物纳米颗粒的绿色合成，作为传统化学方法的可持续替代方案[40]。这些方法依赖于天然存在的植物化学物质（如多酚、黄酮类和萜类及有机酸），它们同时具有还原、稳定和封端作用，使得纳米颗粒能够在温和、对环境友好的条件下形成。已有研究报道了通过绿色合成方法制备的氧化钇（Y₂O₃）纳米颗粒在多种环境应用中的用途，主要用于去除染料和常见重金属。然而，专门针对使用植物介导的Y₂O₃纳米颗粒去除锑的研究仍然较少，对吸附能力、再生行为和工艺优化的系统评估也有限[41]、[42]。这一研究空白凸显了开发高效、可重复使用且可持续的基于Y₂O₃的吸附剂以去除受污染水中Sb³⁺的必要性。

在用于去除锑的金属氧化物吸附剂中，TiO₂和ZnO纳米颗粒因其易获得性和合成简便性而被广泛研究。然而，由于吸附效率和稳定性有限（主要受pH值依赖性、表面钝化效应以及在水介质中的部分溶解影响），它们的应用受到限制[43]、[44]。相比之下，氧化钇（Y₂O₃）表现出独特的物理化学性质，包括更高的表面碱性、强Y-O键合以及出色的化学稳定性。这些特性促进了与锑物种的更强相互作用和更稳定的表面络合，使其成为比常用金属氧化物更具前景的吸附剂。近期综合评论强调了金属（类）在氧化物基底材料上的吸附机制的复杂性，强调了表面羟基化、静电相互作用和表面络合在调控吸附性能中的共同作用[43]。

在本研究中，使用松树提取物合成了氧化钇（Y₂O₃）纳米颗粒。这些纳米颗粒具有高比表面积和高反应性，用于从受污染水中去除锑。松树中的生物活性化合物不仅促进了环保的合成过程，还赋予了纳米颗粒更好的性能。通过结合RSM和ANN以及针对性的批量和柱实验，本研究旨在开发可持续且实用的解决方案，以应对锑污染问题，并推进环保水处理领域的绿色纳米技术。

材料与样品制备

作为钇前体，使用了六水合硝酸钇（Y(NO₃)₃·6H₂O（纯度≥99.85%，LOBA Chemie），无需进一步纯化。松树生物质（来自摩洛哥Gourougou森林）收集后储存在避光的4°C环境中直至提取。所有溶液和冲洗液均使用双蒸水（DD）配制。玻璃器皿经过脱脂（用稀HNO₃处理）后用双蒸水彻底冲洗。对于锑吸附实验，使用了新鲜的Sb(III)（1000毫克/升）储备溶液

合成纳米颗粒的结构和表面性质

如图2A所示，Y₂O₃纳米颗粒的X射线衍射图（XRD）显示出与其立方晶体结构（Fm3m）相关的特征峰，这是氧化钇的典型特征[61]。在2θ值为30.34°、35.86°、40.26°、53.22°和60.58°处观察到的峰分别对应于Y₂O₃立方晶结构的（222）、（400）、（331）、（511）和（440）晶面。这些峰证实了Y₂O₃晶体相的存在，晶格参数为α = β = γ = 90°

结论

本研究全面展示了从松树提取物合成的绿色氧化钇（Y₂O₃）纳米颗粒（YOn）在去除受污染水中的锑（Sb³⁺方面的潜力。该合成过程不仅提供了一种环保的替代传统化学方法的方式，还赋予了纳米颗粒来自植物化学物质的增强反应性和表面功能。结构和光谱分析结果进一步证实了这一点

CRediT作者贡献声明

阿明·埃尔·阿齐兹（Amine El Azizi）：撰写初稿、软件开发、方法设计、数据分析、概念构建。 科努兹·哈米达拉（Konouz Hamidallah）：验证结果、软件开发、数据分析、概念构建。 亚辛·埃尔·米兹（Yassine El Miz）：软件开发、方法设计、数据分析。 穆罕默德·埃尔塞内蒂（Mohamed Elsenety）：结果验证、软件使用。 努尔丁·埃尔·梅萨乌迪（Noureddine El Messaoudi）：资源准备。 穆斯林·梅萨利（Mouslim Messali）：软件使用、资源准备。 穆罕默德·卢图（Mohamed Loutou）：撰写审查与编辑、数据可视化、结果验证、概念构建。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。

致谢

本项工作得到了伊玛目穆罕默德·伊本·沙特伊斯兰大学（IMSIU）科研部的支持和资助（项目编号IMSIU-DDRSP2602）。