Heavy Metal Removal (Copper and Zinc) in Secondary Effluent from Wastewater Treatment Plants by Microalgae
Notice bibliographique
Résumé
Microalgae is used for the removal of heavy metals from a wastewater treatment plant discharge. Laboratory-scale experiments are described that characterize the heavy metal uptake of copper and zinc by three microalgae strains: Chlorella vulgaris, Spirulina maxima, and a naturally growing algae sample found in the wastewater from a wastewater treatment plant (containing Synechocystis sp. (dominant) and Chlorella sp. (common) and a few cells of Scenedesmus sp.) Tests were conducted using untreated and autoclaved secondary effluent as a substrate. In the untreated secondary effluent trial, the microalgae removed up to 81.7% of the copper, reaching a lowest final concentration of 7.8 ppb after 10 days. Zinc was reduced by up to 94.1%, reaching 0.6 ppb after 10 days. The removal rates varied significantly with the microalgae strain. Higher heavy metal removal efficiencies were obtained in the autoclaved secondary effluent than the untreated secondary effluent, suggesting microorganisms already present in secondary effluent contribute negatively and compete with microalgae for nutrients, hindering microalgae growth and uptake of heavy metals. Inoculated samples showed decreased heavy metal concentrations within 6 h of initial inoculation, suggesting microalgae do not require long periods of time to achieve biosorption of heavy metals.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 tête enseignante, 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 ».