MétaCan
Menu
Retour à la cohorte
Enregistrement W2319761467 · doi:10.2166/ws.2011.046

A UASB bioreactor using silage as a carbon source to reduce sulfate

2011· article· en· W2319761467 sur OpenAlexaff
Winton Li, Susan A. Baldwin

Notice bibliographique

RevueWater Science & Technology Water Supply · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSulfateBioreactorSilageLeachateSulfideChemistryPulp and paper industryCarbon fibersEnvironmental chemistryEnvironmental scienceAnimal scienceWaste managementFood scienceBiologyMaterials science

Résumé

récupéré en direct d'OpenAlex

Low cost-treatment for sulfate removal is required in many areas where potable water is scarce. The biggest challenge in biological treatment is finding an abundant low or no-cost carbon source. This work demonstrated for the first time that leachate from the agricultural byproduct silage can be used in an upflow anaerobic sludge-bed bioreactor to reduce sulfate for on-farm water treatment. The reactor ran continuously for approximately one year with an average silage leachate feed COD concentration of 4,471 ± 857 mg L−1, and sulfate feed concentrations varying from 1,253 to 2,081 mg L−1. The maximum sulfate reduction rate (SRR) of 9.75 ± 0.23 mmol (L day)−1 was achieved at the high sulfate influent concentration and the amount of organics consumed was between 80–90%. Sulfide levels in the UASB bioreactor were consistently high for most of the experiment, averaging 516.6 ± 188.5 mg L−1. Interestingly, during the last month of operation when sulfide concentrations were highest the SRR continued to increase. It was estimated that 36% of the silage leachate carbon was used directly for sulfate reduction.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,029
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,001
Science ouverte0,0020,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,003

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 GPT0,223
Écart entre enseignants0,206 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations5
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & Technology Water SupplyMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207