Biocide inhibition of microbial sulfur reduction in fracing fluids
Notice bibliographique
Résumé
Fracing technology has revolutionized the natural gas industry, and currently, it is the most widely used method to extract gas from shale in Western Canada. Microbial activity in fracing fluids can lead to biofouling, corrosion, and gas souring. Biocides are commonly applied to inhibit microbial activity, but in many cases biocide application is partly or even wholly ineffective. This is, in part, because biocides are rarely tested using real environmental communities relevant to fracing systems. To address this problem, I investigated the efficacy of glutaraldehyde, which is one of most commonly used biocides to control microbial activity, on microbial sulfur reduction in fracing fluids. To do this, I collected fracing fluids from the shale gas play in the Fort St. John area of northern British Columbia, Canada. In the lab, I conducted incubation experiments by amending fracing fluids with glutaraldehyde and yeast extract and incubating these fluids for 30 days at room temperature. During the incubation, I measured sulfide and sulfate concentrations to track rates of microbial sulfur metabolisms with and without glutaraldehyde and yeast extract amendments. To link these results to the relevant microbial taxa, I determined the microbial community present in the incubated fluids using 16S rRNA gene amplicon sequencing. Overall, I found that glutaraldehyde is only moderately effective in controlling microbial sulfide production in fracing fluids and that even in the presence of glutaraldehyde, amendment with reactive organic matter stimulates sulfide production.
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 ».