MétaCan
Menu
Retour à la cohorte
Enregistrement W2034909343 · doi:10.2134/jeq2000.00472425002900050040x

Treatment of Wastewater Phosphate by Reductive Dissolution of Iron

2000· article· en· W2034909343 sur OpenAlexaff
W.D. Robertson

Notice bibliographique

RevueJournal of Environmental Quality · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhosphorus and nutrient management
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésFerrousDissolutionFerricChemistryEffluentWastewaterPrecipitationPhosphateSewage treatmentSewageNuclear chemistryInorganic chemistryEnvironmental engineeringEnvironmental scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract A new method for the treatment of wastewater phosphate is presented that relies on reductive iron dissolution (RID process). It is analogous to existing treatment methods that use iron salts (e.g., FeCl2) to precipitate P from wastewater, except that in this case ferrous iron is made available by the reductive dissolution of ferric iron solids that are contained in a reactive porous media. The ferric solids are minerals such as amorphous Fe(OH)3 that occur naturally in soils and sediments. A laboratory column study and a pilot scale field trial demonstrated that these solids are susceptible to reductive dissolution when mixed with sewage effluent, resulting in increased Fe(II) in solution. This promotes the precipitation of Fe(II)‐P solids and then Fe(III)‐P solids when the effluent is subsequently oxidized. Both experiments demonstrated the ability of the RID media to passively solubilize consistent, moderate concentrations of Fe (1–9 mg L−1) over extended periods (2–3 yr). In the column test, influent PO4 of 9.0 ± −3.7 mg P L−1 was lowered to 2.1 ± 1.1 mg P L−1. In the field trial, influent PO4 of 10.2 ± 6.0 mg P L−1 was lowered to <0.05 mg P L−1. This technique may be attractive for use with smaller wastewater treatment systems such as septic systems, because it can be maintenance‐free for long periods and it avoids excess sludge accumulation.

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 enseignants0,001
Score d'incertitude au seuil0,003

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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,010
Tête enseignante GPT0,242
Écart entre enseignants0,231 · 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

Citations19
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental QualityMême sujetPhosphorus and nutrient managementTravaux en français237 207