MétaCan
Menu
Retour à la cohorte
Enregistrement W1990815290 · doi:10.1081/pfc-200045569

The Effects of Magnesium and Ammonium Additions on Phosphate Recovery from Greenhouse Wastewater

2005· article· en· W1990815290 sur OpenAlexaff
Weigang Yi, K.V. Lo, Donald S. Mavinic, Ping Liao, Frederic A. Koch

Notice bibliographique

RevueJournal of Environmental Science and Health Part B · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhosphorus and nutrient management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésStruviteChemistryMagnesiumAmmoniumWastewaterCalciumPrecipitationPhosphorusPhosphateNuclear chemistryAmmonium phosphateInorganic chemistryFertilizerEnvironmental engineeringBiochemistryEnvironmental scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Phosphorus recovery from greenhouse wastewater, using precipitation-crystallization, was conducted under three levels of calcium concentration, 304 mg/L (7.6 mmol/L), 384 mg/L (9.6 mmol/L), and 480 mg/L (12 mmol/L), and also with additions of ammonium and magnesium into the wastewater. Jar test results confirmed high phosphate removal, with more than 90% of the removal achieved with a pH as low as 7.7. Under the low calcium concentration, ammonium addition affected the chemical reactions at pH lower than 8.0, where struvite was produced; when the pH was raised to 8.8, other calcium compounds dominated the precipitation. Under the medium calcium concentration, ammonium and magnesium addition helped struvite precipitation in the low pH range. Hydroxyapatite (HAP) was the main product. Under the high calcium concentration, ammonium addition showed no effects on the precipitation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,760
Score d'incertitude au seuil0,401

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,223
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Science and Health Part BMême sujetPhosphorus and nutrient managementTravaux en français237 207