MétaCan
Menu
Retour à la cohorte
Enregistrement W1999597928 · doi:10.1139/s07-001

The roles of nitrogen dissimilation and assimilation in biological nitrogen removal treating low, mid, and high strength wastewater

2007· article· en· W1999597928 sur OpenAlexvenueno aff
Baikun Li, Shannon Irvin

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDissimilationAlkalinityDenitrificationNitrificationEffluentNitrogenChemistryAssimilation (phonology)Chemical oxygen demandEnvironmental chemistryWastewaterHeterotrophNitrogen assimilationBiomass (ecology)Environmental engineeringEcologyEnvironmental scienceBiologyBacteria

Résumé

récupéré en direct d'OpenAlex

Nitrogen dissimilation (nitrification and denitrification) and assimilation (uptake by cell growth) under different operational conditions (chemical oxygen demand (COD) and dissolved oxygen (DO)) were evaluated in a sequencing batch reactor (SBR) system. Nitrogen dissimilation played an important role for nitrogen removal at low to mid CODs, while nitrogen assimilation became more significant with biomass concentration steadily increasing at high COD. Specific denitrification rate increased at low to mid COD (C:N < 15), but decreased at high COD (C:N > 20). Both COD and C:N ratio should be kept in proper ranges to obtain sufficient biomass concentration for nitrogen assimilation in treatment systems. With alkalinity being consumed in nitrification and produced in denitrification, effluent alkalinity indicated the corresponding nitrogen concentrations under different COD loadings. ΔAlk between influent and effluent was also well correlated with assimilation and dissimilation. The discrepancy between ΔAlkTheory and ΔAlkExperi was less than 15 mg/L when dissimilation played a predominant role in nitrogen removal, while the discrepancy increased to 30 mg/L when assimilation became dominant.

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 enseignants0,421
Score d'incertitude au seuil0,290

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 technologies0,0000,000
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 Opus0,006
Tête enseignante GPT0,192
Écart entre enseignants0,187 · 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

Citations21
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207