High Potential for Anaerobic Microbial Sulfur Oxidation in Oil Sands Tailings Ponds
Notice bibliographique
Résumé
The biogenic production of toxic H2S gas in sulfate-rich oil sands tailings ponds is associated with strong environmental concerns. Beside precipitation into sulfide minerals and chemical re-oxidation, microbial sulfur oxidation may catalyze sulfide re-cycling but potentially contributes to acid rock drainage (ARD) generation. To evaluate the microbial potential for sulfur oxidation, we conducted a microcosm-based pilot study with tailings of an active pond. Incubations were performed under oxic and anoxic conditions, with and without KNO3 as an electron acceptor and thiosulfate as a common substrate for microbial sulfur oxidation. The highest potentials of sulfur oxidation occurred in oxic assays (1.21 mmol L−1 day−1). Under anoxic conditions, rates were significantly lower and dominated by chemical transformation (0.09 mmol L−1 day−1; p < 0.0001). The addition of KNO3 to anoxic incubations increased microbial thiosulfate oxidation 2.5-fold (0.23 mmol L−1 day−1; p = 0.0474), with complete transformation to SO42− coupled to NO3− consumption, pointing to the activity of sulfur-oxidizing bacteria (SOB) under nitrate-reducing conditions. Importantly, in the presence of KNO3, a decrease in sedimentary sulfides was associated with an increase in S0, which indicates the potential for microbially mediated oxidation of sulfide minerals and ARD generation. Furthermore, the comparative analysis of sediments from other anthropogenic aquatic habitats demonstrated high similarities with respect to viable SOB counts and corresponding activity rates.
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) | 0,002 | 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 ».