Removal of heavy metals in a flow‐through vertical microbial electrolysis cell
Notice bibliographique
Résumé
This work describes laboratory experiments aimed at evaluating the feasibility of removing heavy metals from metal‐contaminated water in flow‐through microbial electrolysis cells (MECs) with peat moss as a source of organic carbon. MECs were assembled in upflow glass columns containing granular activated carbon (GAC) bioelectrodes preceded by a layer of peat moss. The MECs were fed with metal‐contaminated surface water collected at a firing range. At hydraulic retention times (HRT) of 4–6 days, up to 99 % removal of Pb, Zn, Cu, and Fe was observed. The removal efficiency of Zn and Cu declined at an HRT of 1.7 days, while effluent Pb concentration remained below the detection limit for all of the HRTs tested. Metal extraction from MEC compartments showed an accumulation of metals in both the peat moss layer and the GAC cathode, i.e., the removal was achieved by a combination of anaerobic and bioelectrochemical pathways of metal reduction. A proliferation of sulphate reducing bacteria in the peat moss layer and electroactive species in GAC electrodes was confirmed by biomolecular analysis. The proposed flow‐through system, which combines sulphate‐reducing and electroactive microbial activities to achieve near‐complete metal removal, can be used for removing a broad range of heavy metals from contaminated water in a low‐cost passive flow treatment system.
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) | 0,001 | 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 ».