FILTRATION OF DISSOLVED ORGANIC NUTRIENTS FROM FISH FARM WASTEWATER USING A MACROALGAE BIOFILTER
Notice bibliographique
Résumé
Intensive animal aquaculture damages the environment by releasing large quantities of nutrients which drives eutrophication in aquatic ecosystems. Macroalgae are efficient in uptaking nutrients as they grow with past studies suggesting their integration into aquaculture systems as a means to improve wastewater quality. This study was designed to assess the feasibility of using macroalgae as a biological filtration system for the removal of dissolved nutrients found in finfish farm wastewater. To test this, an experimental fish farm and mesocosm system was established on the northern coast of Saaremaa island, West Estonian archipelago. The green algae Ulva intestinalis was selected as a good candidate to assess the efficacy of a macroalgae biofiltration system to uptake nutrients. The results obtained show at best a 18-25% reduction in waste water nutrient concentrations for the nitrogenous compounds nitrite and nitrate for mesocosms stocked with macroalgae compared with the control. The system experienced an average 60% reduction in nitrogen and phosphorus concentrations in wastewater outflow compared to concentrations present within the finfish mesocosm. Additionally, the subsequent biomass gain of the incubated macroalgae species Ulva intestinalis is reported to be 4% per day at its maximum rate. The results obtained in this study indicate that Ulva intestinalis can be integrated into aquaculture systems as a nitrogen biofilter. In addition, the macroalgae biomass produced may offer aquaculture operations an additional income stream improving farm economics.
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) | 0,003 | 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 ».