A performance assessment of arsenic-iron removal plants in the Manikganj District of Bangladesh
Notice bibliographique
Résumé
In Bangladesh, arsenic contamination of groundwater, microbial contamination of surface water and seasonally variable rainfall make reliable access to acceptable quality drinking water a challenge. Arsenic-iron removal plants (AIRPs) are a relatively inexpensive way of removing arsenic from groundwater for access to safer drinking water. This study evaluated the performance of 21 (of 105) AIRPs installed by a local non-governmental organization (Society for People's Action in Change and Equity) with financial assistance from the Australian High Commission, Dhaka, under the Direct Aid Program of the Australian Government. All AIRPs achieved the Bangladesh standard for arsenic in drinking water of 50 microg L(-1) and 17 achieved the World Health Organization guideline of 10 microg L(-1). The AIRPs removed 87% of influent arsenic, on average. After cleaning, poor arsenic and iron removal was observed for about 2 days due to inadequate residence time. Chemical processes that may influence AIRP performance are also discussed herein, including iron and arsenic oxidation, arsenic co-precipitation with iron, multiple iron additions, interference by organics, and iron crystallization. Effluent faecal coliform counts were generally low, though were slightly higher than influent counts. Overall, AIRPs were shown to possess considerable promise for use in areas with high natural iron where users are concerned about arsenic and/or iron in their drinking water.
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 | 0,000 |
| 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 ».