Influence of phosphorus, potassium, and copper on methane biofiltration performanceA paper submitted to the Journal of Environmental Engineering and Science.
Notice bibliographique
Résumé
In addition to a carbon source, bacteria require for growth a variety of nutrients such as phosphorus, potassium, and several other micronutrients including copper. The study described in this paper was conducted with the aim of determining the influence of phosphorus, potassium, and copper on methane elimination in a biofilter. The study revealed that the particular phosphorus concentration leading to the greatest methane elimination capacity, which was 44.7 g m –3 h –1 at a methane inlet load of 75 g m –3 h –1 , was 3.1 g/L. The influence of the phosphorus concentration on the methane elimination capacities was also investigated for methane inlet loads of between 8 and 95 g m –3 h –1 . The optimum range of the nitrogen–phosphorus mass ratios, determined during this study ranged from 0.5 to 2.5. It was established that, in comparison with phosphorus, potassium does not seem to be a determining element for the biological removal efficiency and does not significantly affect the microorganisms’ behaviour. However, a concentration of 0.076 g/L of potassium is recommended in the irrigation nutrient solution for an inlet load of 75 g m –3 h –1 . The influence of the copper concentration was also studied by varying its concentration between the values of 0 and 0.006 g/L. The results have also shown that copper has a minor impact on the biofiltration of methane. This paper is the first report describing the influence of several nutrients in a biofilter. The knowledge provided by this study is necessary for the achievement of a biofilter indebted to methane control.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».