The effect of acidic pH and presence of metals as parameters in establishing a sulfidogenic process in anaerobic reactor
Notice bibliographique
Résumé
The successful use of anaerobic reactors for bioremediation of acid mine drainage has been shown in systems with neutral pH. However, the choice of an efficient and suitable process for such wastewater must consider the capability of operating at acidic pH and in the presence of metals. This work studies the performance of an anaerobic batch reactor, under conditions of varying initial pH for its efficiencies in sulfate removal and metal precipitation from synthetic acid mine drainage. The chemical oxygen demand/sulfate (COD/SO4(2-)) ratio used was 1.00, with ethanol chosen as the only energy and carbon source. The initial pH of the synthetic drainage was progressively set from 7.0 to 4.0 to make it as close as possible to that of real acid mine drainage. Metals were also added starting with iron, zinc, and finally copper. The effectiveness of sulfate and COD removal from the synthetic acid mine drainage increased as the initial pH was reduced. The sulfate removal increased from 38.5 ± 3.7% to 52.2 ± 3%, while the removal of organic matter started at 91.7 ± 2.4% and ended at 99 ± 1%. These results indicate that the sulfate reducing bacteria (SRB) community adapted to lower pH values. The metal removal observed was 88 ± 7% for iron, 98.0 ± 0.5% for zinc and 99 ± 1% for copper. At this stage, an increase in the sulfate removal was observed, which reaches up to 82.2 ± 5.8%. The kinetic parameters for sulfate removal were 0.22 ± 0.04 h(-1) with Fe, 0.26 ± 0.04 h(-1) with Fe and Zn and 0.44 ± 0.04 h(-1) with Fe, Zn, and Cu.
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 | 0,005 | 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».