Biotechnology as an alternative for carbon disulfide treatment in air pollution control
Notice bibliographique
Résumé
Biotechnology has emerged as an affordable, effective, and eco-friendly alternative to treat carbon disulfide (CS 2 ) containing waste gases. Carbon disulfide is a chemical of widespread use both in the past and in the present. Its industry demand has dramatically changed over the last two decades and is expected to grow in future in step with those industries involving fibre, mining, rubber products, and the agro-chemical sector. This compound, classified as a hazardous air pollutant about 20 years ago, has been re-appraised, as increasingly restrictive pollution standards are expected to be introduced. An array of physical–chemical technologies for treating CS 2 containing air are already in use, but they have a series of drawbacks, such as high energy consumption (incineration, thermal oxidation), the immobilization of the contaminant solely from one phase to another (adsorption), and the generation of secondary by-products that require additional treatment (hydrolysis). Thus, technological research on affordable processing alternatives is of considerable interest for related industries using or producing CS 2 . The biological technologies whose efficiency is based on the activity of microorganisms to biodegrade air pollutants overcome many of the disadvantages of conventional techniques and are especially useful for the removal of relatively low concentrations of pollutants. In this paper, the main properties, sources, and uses of CS 2 are summarized, and alternative biotreatments for CS 2 are reviewed. Several applications of the technical and economical feasibility of biofilters and biotrickling filters are shown, although their widespread industrial application still requires further research.
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 ».