MétaCan
Menu
Retour à la cohorte
Enregistrement W2005018042 · doi:10.1111/j.1745-6592.2009.01231.x

Rates of Nitrate and Perchlorate Removal in a 5‐Year‐Old Wood Particle Reactor Treating Agricultural Drainage

2009· article· en· W2005018042 sur OpenAlexaboutno aff
W.D. Robertson, Carol J. Ptacek, Susan Brown

Notice bibliographique

RevueGroundwater Monitoring & Remediation · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueChemical Analysis and Environmental Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNitrateDrainagePerchlorateEnvironmental scienceParticle (ecology)Hydraulic conductivityEnvironmental engineeringHydraulic retention timeEnvironmental chemistryChemistryHydrology (agriculture)WastewaterSoil scienceSoil waterEcologyGeotechnical engineeringGeology

Résumé

récupéré en direct d'OpenAlex

Abstract A 5‐year‐old wood particle reactor treating agricultural tile drainage in southern Ontario was monitored for its ongoing ability to treat both nitrate (NO 3 – ) and perchlorate (ClO 4 – ). Prior to sampling undertaken in the fifth year of operation, a highway safety flare containing ClO 4 – was immersed in the inlet pipe elevating influent ClO 4 – concentrations to up to 33.7 μg/L. ClO 4 – removal rates were inhibited in the presence of more than 1 to 2 mg/L NO 3 – ‐N, but increased rapidly to about 60 μg/L/d upon NO 3 – depletion. Nitrate removal rates, measured subsequently in the sixth and seventh years of operation, varied with temperature in the range of 2 to 16 mg N/L/d, but remained similar to rates measured in the second year. Additionally, no deterioration in the hydraulic conductivity (K) of the coarse core layer (0.5 3 – removal rates and can remain highly permeable over a number of years. The media can also provide high removal rates for other redox sensitive contaminants such as ClO 4 – . The ability to directly measure the reactor flow rate, in this case via an outlet pipe, greatly simplified the task of estimating hydraulic properties and reaction rates.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,052
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,237
Écart entre enseignants0,222 · 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 source (Gemma direct ou Codex distillé), 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

Citations51
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGroundwater Monitoring & RemediationMême sujetChemical Analysis and Environmental ImpactTravaux en français237 207