The Effects of Ferric Sulfate (Fe2(SO4)3) on the Removal of Cyanobacteria and Cyanotoxins: A Mesocosm Experiment
Notice bibliographique
Résumé
Cyanobacterial blooms are a global concern. Chemical coagulants are used in water treatment to remove contaminants from the water column and could potentially be used in lakes and reservoirs. The aims of this study was to: 1) assess the efficiency of ferric sulfate (Fe2(SO4)3) coagulant in removing harmful cyanobacterial cells from lake water with cyanobacterial blooms on a short time scale, 2) determine whether some species of cyanobacteria can be selectively removed, and 3) determine the differential impact of coagulants on intra- and extra-cellular toxins. Our main results are: (i) more than 96% and 51% of total cyanobacterial cells were removed in mesocosms with applied doses of 35 mgFe/L and 20 mgFe/L, respectively. Significant differences in removing total cyanobacterial cells and several dominant cyanobacteria species were observed between the two applied doses; (ii) twelve microcystins, anatotoxin-a (ANA-a), cylindrospermopsin (CYN), anabaenopeptin A (APA) and anabaenopeptin B (APB) were identified. Ferric sulfate effectively removed the total intracellular microcystins (greater than 97% for both applied doses). Significant removal of extracellular toxins was not observed after coagulation with both doses. Indeed, the occasional increase in extracellular toxin concentration may be related to cells lysis during the coagulation process. No significant differential impact of dosages on intra- and extra-cellular toxin removal was observed which could be relevant to source water applications where optimal dosing is difficult to achieve.
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 ».