The influence of nitrite and pH (nitrous acid) on aerobic-phase, autotrophic N<sub>2</sub>O generation in a wastewater treatment bioreactor
Notice bibliographique
Résumé
Autotrophic ammonia oxidizing bacteria (AOB) are capable of generating nitrous oxide (N 2 O), via nitrite reduction, in oxygen-limited environments. The recognition of the environmental fate and effects of N 2 O, as a "greenhouse gas" has prompted researchers to study N 2 O generation and emission control in wastewater treatment systems. Oxygen, often expressed in terms of the bioreactor liquid dissolved oxygen concentration, is generally viewed as the most important variable with respect to influencing N 2 O generation. However, some literature data suggest that the nitrite concentration may also influence AOB N 2 O generation under oxygen-limited conditions, although there are contradictions in the reported information. This paper presents the findings of an investigation that specifically examined the sensitivity of aerobic-phase biomass N 2 O generation to changes in bioreactor nitrite concentration, via supply of exogenous nitrite, as well as changes in nitrous acid concentration through mixed liquor pH manipulation, in a bench-scale wastewater treatment bioreactor. The data demonstrate the significant influence of nitrite availability on biomass N 2 O generation in the studied system. Most of the collected data suggest that nitrous acid, as opposed to nitrite proper, was the actual AOB nitrite reductase (NiR) electron acceptor, based on observed N 2 O generation. In this case, the bioreactor mixed liquor pH, as well as nitrite concentration, would be important with respect to AOB N 2 O generation and greenhouse gas emissions. Key words: ammonia oxidation, autotrophic denitrification, nitrite reduction, nitrous oxide.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».