MétaCan
Menu
Retour à la cohorte
Enregistrement W2278615190 · doi:10.1139/as-2015-0002

Characterizing phosphorus removal in passive waste stabilization ponds in Arctic communities

2016· article· en· W2278615190 sur OpenAlexafffundvenueabout
Jordan J. Schmidt, Colin M. Ragush, Wendy H Krkošek, Graham A. Gagnon, Rob Jamieson

Notice bibliographique

RevueArctic Science · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhosphorus and nutrient management
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhosphorusEffluentEnvironmental scienceSewage treatmentWastewaterFjordEnvironmental engineeringChemistryOceanography

Résumé

récupéré en direct d'OpenAlex

A majority of communities in the Canadian territory of Nunavut rely on passive waste stabilization ponds (WSPs) for domestic wastewater treatment. Little research has been conducted on the treatment performance of these systems. Therefore, in response to impending federal wastewater regulations, a research program was conducted in order to characterize contaminant removal, with phosphorus a contaminant of particular concern. The performance of WSPs in the Arctic communities of Kugaaruk, Pond Inlet, Grise Fiord, and Clyde River was evaluated from 2011 to 2014. Removal of total phosphorus was highly variable, ranging from 24% (Pond Inlet, 2014) to 76% (Grise Fiord, 2011). The average removal efficiency was 44%. Effluent total phosphorus concentrations generally exceeded 7 mg P/L, partly due to elevated raw wastewater concentrations. Over the course of the treatment season (defined as June to September, when the WSP is thawed), limited additional total phosphorus removal was observed. A fractionation analysis of WSP sediments showed that organic phosphorus and phosphorus bound to aluminum and iron were the predominant forms, which provided insight into primary treatment mechanisms. Further studies on these mechanisms are needed in order to optimize Arctic WSP treatment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,551

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,225
Écart entre enseignants0,212 · 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 tête enseignante, 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

Citations7
Publié2016
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetPhosphorus and nutrient managementTravaux en français237 207