MétaCan
Menu
Retour à la cohorte
Enregistrement W2566980536 · doi:10.1002/slct.201601619

Effect of Low Cadmium Concentration on the Removal Efficiency and Mechanisms in Microbial Electrolysis Cells

2016· article· en· W2566980536 sur OpenAlexaff
Natalie Colantonio, Hui Guo, Younggy Kim

Notice bibliographique

RevueChemistrySelect · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Fuel Cells and Bioremediation
Établissements canadiensMcMaster University
Organismes subventionnairesMinisterio de Economía y Competitividad
Mots-clésCadmiumBiosorptionChemistryElectrolysisPrecipitationNuclear chemistryEnvironmental chemistryAdsorptionSorption

Résumé

récupéré en direct d'OpenAlex

Abstract Microbial electrolysis cells (MECs) can be used to remove cadmium (Cd 2+ ) via three removal mechanisms: electrodeposition; chemical precipitation; and biosorption. Here, we investigated how cadmium concentration affects its removal mechanisms and efficiency in lab‐scale MECs. For 10, 50, and 100 μg‐Cd/L, cadmium was removed by electrodeposition and biosorption without chemical precipitation. The total amount of cadmium removed by electrodeposition increased from 0.96 to 7.7 μg with the increasing cadmium concentration while its fractional contribution was stationary at 8–10 %. The fractional contribution of biosorption dropped from 59 % to 4 % with the increasing cadmium concentration, but the mass removed by biosorption (3‐6 μg) was relatively unaffected by the initial cadmium concentration. For the low concentrations, the cadmium removal was not sufficiently high, varying 13 to 69 %. However, at 2.5 mg‐Cd/L, effective removal of cadmium (93 % removal in 7 days) was observed and electrodeposition made the largest contribution to cadmium removal (68 %) while chemical precipitation (18 %) and biosorption (14 %) was relatively minor. These findings showed that cadmium concentration governs the removal mechanisms as well as the removal efficiency in MECs.

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 candidatesaucune
Catégories consensuellesaucune
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 enseignants0,002
Score d'incertitude au seuil0,446

Scores Codex et Gemma par catégorie

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

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 Opus0,002
Tête enseignante GPT0,172
Écart entre enseignants0,170 · 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'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

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemistrySelectMême sujetMicrobial Fuel Cells and BioremediationTravaux en français237 207