MétaCan
Menu
Retour à la cohorte
Enregistrement W2143908033 · doi:10.1061/(asce)1090-025x(2002)6:4(244)

Effect of Sulphur Concentration on Bioleaching of Cr(III) and Other Metals from Tannery Sludge by Indigenous Sulphur-Oxidizing Bacteria

2002· article· en· W2143908033 sur OpenAlexaff
Shaobo Shen, Ambarish S. Vidyarthi, R. D. Tyagi, Jean-François Blais, Rao Y. Surampalli

Notice bibliographique

RevuePractice Periodical of Hazardous Toxic and Radioactive Waste Management · 2002
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensInstitut National de la Recherche ScientifiqueInstitut National d'Optique
Organismes subventionnairesnon disponible
Mots-clésBioleachingSulfurLeaching (pedology)Oxidizing agentChemistryEnvironmental chemistryBacteriaNuclear chemistryEnvironmental scienceGeology

Résumé

récupéré en direct d'OpenAlex

An investigation on the effect of elemental sulphur concentration on bioleaching of Cr(III) and other metals from tannery sludge by sludge indigenous sulphur-oxidizing bacteria was performed. Elemental sulphur concentrations ranging from 5 to 40 g/L were tested during this study. The sludge solids concentration was fixed at 40 g/L. The results showed that the sludge pH decrease was faster and sharper with increased sulphur concentration. The time required to achieve the final pH (the lowest pH) was about 15 days irrespective of sulphur concentration. The leaching efficiencies of Cr(III), Al, and Fe, and SO42- production increased with increasing initial sulphur concentration. However, the leaching efficiencies of Zn, Ca, and Mg were less affected by the initial sulphur concentration. The preferred sulphur concentration for Cr leaching was 20 g/L, from an economic viewpoint. The total and volatile suspended solids decreased during the process. The measurements of sulphur-oxidizing bacteria showed that less-acidophilic thiobacilli as well as acidophilic thiobacilli contributed to the pH reduction in tannery sludge. The sulphur-oxidizing bacteria could survive in tannery sludge at a pH as low as 0.5 at 21°C

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,233
Écart entre enseignants0,224 · 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'étudeExpérimental (laboratoire)
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

Citations14
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePractice Periodical of Hazardous Toxic and Radioactive Waste ManagementMême sujetMetal Extraction and BioleachingTravaux en français237 207