MétaCan
Menu
Retour à la cohorte
Enregistrement W2412678036 · doi:10.2175/106143007x221373

Nitrifying Genera in Activated Sludge May Influence Nitrification Rates

2008· article· en· W2412678036 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueWater Environment Research · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensUniversity of WinnipegUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésNitrificationNitrospiraNitrobacterNitriteNitrosomonasActivated sludgeSequencing batch reactorEnvironmental chemistryNitrifying bacteriaChemistryBiologyEnvironmental engineeringSewage treatmentEcologyEnvironmental scienceNitrogenOrganic chemistryNitrate

Résumé

récupéré en direct d'OpenAlex

Sequencing batch reactors were acclimated under aerobic and alternating anoxic/aerobic conditions. Greater nitrification rates in the alternating reactor were investigated by comparing environmental conditions. In the alternating reactor, pH, alkalinity, oxygen, and nitrite were higher at the onset of aerobic nitrification. Kinetic studies and batch tests, with biomass developed under aerobic and alternating conditions, revealed that these factors were insufficient to explain the divergent nitrification rates. Nitrifying genera vary in nitrification kinetics and sensitivity to environmental conditions. Nitrosospira and Nitrospira spp. could dominate in aerobic reactors, as they are adapted to low nitrite and oxygen conditions. Nitrosomonas and Nitrobacter spp. are better competitors with abundant substrates and have higher nitrite tolerance, so they could excel under alternating conditions. This theoretical explanation is consistent with the kinetics and environmental conditions in these reactors and argues for using alternating treatment, because the harsh conditions select for populations with inherently faster nitrification rates.

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.

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 candidatesCharge 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 enseignants0,041
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,007

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 Opus0,065
Tête enseignante GPT0,301
Écart entre enseignants0,236 · 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