MétaCan
Menu
Retour à la cohorte
Enregistrement W2005498453 · doi:10.2166/wst.2007.499

Slag columns for upgrading phosphorus removal from constructed wetland effluents

2007· article· en· W2005498453 sur OpenAlexaff
Florent Chazarenc, Jacques Brisson, Yves Comeau

Notice bibliographique

RevueWater Science & Technology · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhosphorus and nutrient management
Établissements canadiensUniversité de MontréalPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésEffluentPhosphorusWetlandSlag (welding)Environmental scienceWaste managementEnvironmental engineeringConstructed wetlandSewage treatmentEngineeringChemistryEcologyBiology

Résumé

récupéré en direct d'OpenAlex

The current best option to upgrade constructed wetlands (CWs) for phosphorus (P) retention, in terms of efficiency, cost and simplicity, consists in using media having a strong P affinity. The media can be used either in the planted beds or in a filtration system downstream of the beds. The use of slag filters was shown to be efficient for removing P from wastewater as it represented a slow release source of calcium and hydroxide, favouring the formation of hydroxyapatite. Our study aimed at maximising the P retention capacity of slag filters located at the outlet of CWs since electric arc furnace slag has been shown to inhibit the growth of macrophytes when used in the filtration matrix. Bench-scale columns (Vtot = 6.2 L) filled with various combinations of filter media (slag, granite, limestone) of different sizes (2-5, 5-10, 10-20 mm) were fed on-site during four months with a CW effluent (in mg/L: 30 COD, 30 TSS, 10 Pt). Results showed that the best media combination enabling the maximum o-PO4 retention (more than 80% removal without clogging) consisted in a series of a ternary mix column (slag 5-10 mm, granite 2-5 mm, limestone 5-10 mm) followed by a slag column (slag 5-10 mm). Pilot scale columns (Vtot = 300 L), filled with the best media combination, were installed at the outlet of a 28 m2 CW. These columns showed more than 75% removal efficiency during one year and were designed to be easily replaced each year.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,222
Écart entre enseignants0,216 · 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'étudeExpérimental (laboratoire)
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

Citations39
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetPhosphorus and nutrient managementTravaux en français237 207