Biofiltration field study for cold Fe(II)- and Mn(II)-rich groundwater: accelerated Mn(II) removal kinetics and cold-adapted Mn(II)-oxidizing microbial populations
Notice bibliographique
Résumé
Abstract Removal of Mn(II) from Fe(II)- and Mn(II)-rich groundwater in cold regions is challenging, due to slow Mn(II) removal kinetics below 15 °C. This study demonstrated onset, acclimation, and acceleration of Mn(II) removal in a two-stage pilot-scale biofilter (Fe and Mn filters) at varying low on-site temperatures (8–14.8 °C). Mn(II) removal commenced at 8 °C in the Mn filter after Fe(II) removal. A shift in redox-pH conditions favored biological Mn(II) removal and Mn(II)-oxidizing bacteria increased. The Mn filter reached steady-state functioning after 97 days, exhibiting high removal efficiencies (97 ± 0.9%). Yet, first-order rate constants (k) for Mn(II) removal were low (10−6–10−5 min−1; t1/2 = ∼40 d). After consecutive backwashes and filter inoculation with backwashed sludge, k remarkably accelerated to 0.21 min−1 (t1/2 = 3.31 min at 11 ± 0.6 °C). The cold-adapted microbial consortium (51 genera), including Pseudomonas, Leptothrix, Flavobacterium, and Zoogloea, cultured from the field-aged biofilter rapidly produced biogenic Mn oxides at 8 °C, confirmed by electron paramagnetic resonance spectroscopy. Birnessite and pyrolusite detected by synchrotron-based powder X-ray diffraction, and a repetitive birnessite-like surface morphology on ripened filter materials, reflected autocatalytic oxidation. Shifting in k indicated the vertical progress of biofilter ripening, which was not limited by low temperature.
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 | 0,004 | 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 | 0,010 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».