Laboratory Evaluation of H2S Bioscavenging in Produced Water at 60°C
Notice bibliographique
Résumé
Abstract Nitrate can control biogenic souring by lowering sulfate reducing bacteria (SRB) metabolic activity and shifting the microbial community such that nitrate-reducing bacteria (NRB) out-compete SRB for nutrients. Nitrate was applied in a laboratory study using a 20-cc packed bed upflow reactor to determine kinetic rate of H2S removal. The objectives of the testing were to (1) enrich for nitrate-reducing, sulfide-oxidizing microorganisms derived from produced water and (2) determine the kinetic rate of H2S removal at 60˚C in a synthetic medium with an H2S:nitrate molar ratio of 2, and (3) describe the microbial community involved in nitrate-mediated souring control in this system. Sulfide was measured at the face and at the discharge of the column to determine the sulfide oxidation rate. Residence time in the reactor was varied by changing flow rate but a removal rate of nearly 50% H2S was achieved across the column in one hour residence time. This paper provides a description of the microbial community cultivated at high temperature using 16S rRNA to profile the population dynamics resulting from nitrate treatment. Phospholipid fatty acid analysis was also used for taxonomic evaluation and quantifying physiological changes in the biomass due to nitrate treatment.
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) | 0,012 | 0,001 |
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 ».