MétaCan
Menu
Retour à la cohorte
Enregistrement W2130047935 · doi:10.1111/j.1745-6592.2008.00205.x

Nitrate Removal Rates in a 15‐Year‐Old Permeable Reactive Barrier Treating Septic System Nitrate

2008· article· en· W2130047935 sur OpenAlexaboutno aff
W. D. Robertson, John Vogan, Pio Lombardo

Notice bibliographique

RevueGroundwater Monitoring & Remediation · 2008
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGroundwater and Isotope Geochemistry
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNitratePermeable reactive barrierDenitrificationEnvironmental remediationEnvironmental scienceEnvironmental chemistryChemistryContaminationNitrogenEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Permeable reactive barriers (PRBs) have gained popularity in recent years as a low‐cost method for ground water remediation. However, their cost advantage usually requires that these barriers remain maintenance free for a number of years after installation. In this study, sediment cores were retrieved from a pilot‐scale PRB consisting of a sand and wood particle (sawdust) mixture that has been in continuous operation for 15 years treating nitrate from a septic system plume in southern Ontario (Long Point site). Reaction rates for the 15‐year‐old media were measured in dynamic flow column tests and were compared to rates measured in year 1 using the same reactive mixture. Nitrate removal rates in the 15‐year‐old media varied, as expected, with temperature in the range of 0.22 to 1.1 mg N/L/d at 6 °C to 10 °C to 3.5 to 6.0 mg N/L/d at 20 °C to 22 °C. The latter rates remained within about 50% of the year 1 rates (10.2 ± 2.7 mg N/L/d at 22 °C). Near the end of the year 15 column test, media particles >0.5 mm in diameter, containing most of the wood particles, were removed from the reactive media by sieving. Nitrate removal subsequently declined by about 80%, indicating that the wood particles were the principal energy source for denitrification. This example shows that some denitrifying PRBs can remain maintenance free and be adequately reactive for decades.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,212
Écart entre enseignants0,195 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations158
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGroundwater Monitoring & RemediationMême sujetGroundwater and Isotope GeochemistryTravaux en français237 207