Influence of polyphenols on low-loaded synthetic winery wastewater constructed wetland treatment with different plant species
Notice bibliographique
Résumé
Synthetic wastewaters simulating physically pre-treated low-loaded winery effluents were treated for four months with five pilot-scale horizontal subsurface flow constructed wetlands (HSSF-CWs) using different plants. Species under study were Phragmites australis (HSSF-CW2), Lythrum salicaria (HSSF-CW3), Cladium mariscus (HSSF-CW4), and Iris pseudacorus (HSSF-CW5). The designation HSSF-CW1 was not planted, and was used as a control. The mean dissolved oxygen and oxidation – reduction potential values in all HSSF-CWs indicated anaerobic conditions in the bulk liquid. High pollutant-removal efficiencies were obtained. Apparently, the species with higher growth (Phragmites, Lythrum, and particularly Iris) improved total nitrogen (TN) and nitrogen as ammonium (N-NH4+) removals, but adversely affected sulphate (SO42−) anaerobic reduction. Chemical oxygen demand (COD) removal efficiencies were high, although there were no clear indications how the kinds of plants might have influenced this parameter. A statistical analysis of variance indicated that only N-NH4+ removal efficiencies were statistically different owing to the influence of the different plants. In a second 6 month experimental period, polyphenols (13 mg L−1) were added to the synthetic wastewater to study possible inhibition effects. The addition of polyphenols did not seem to cause inhibition effects on COD, TN, and N-NH4+ removals, but clearly negatively affected SO42− removal. A new two-way analysis of variance confirmed that only SO42− removal was negatively affected by polyphenols, while the effects of the different plants were only significant for N-NH4+ removal. Polyphenols were nearly completely removed. First order rate constants obtained for COD, TN, SO42−, and polyphenol removals were similar to those reported by other authors.
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 | 0,001 |
| 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 ».