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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».