MétaCan
Menu
Retour à la cohorte
Enregistrement W4212952416 · doi:10.1038/s41598-022-06930-0

Effect of phosphate and ammonium concentrations, total suspended solids and alkalinity on lignin-induced struvite precipitation

2022· article· en· W4212952416 sur OpenAlexafffund
Mozhu Li, Huixin Zhang, Huijuan Sun, Abdul Mohammed, Yang Liu, Qingye Lu

Notice bibliographique

RevueScientific Reports · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhosphorus and nutrient management
Établissements canadiensUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta InnovatesUniversity of Calgary
Mots-clésStruviteAlkalinityLigninPrecipitationPhosphorusPhosphateChemistryWastewaterAmmoniumTotal suspended solidsSuspended solidsEutrophicationPulp and paper industryEnvironmental engineeringNutrientChemical oxygen demandEnvironmental scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract To solve the problems of eutrophication and resource crisis, the recovery of phosphorus by struvite (NH 4 MgPO 4 ·6H 2 O) precipitation has become a focus of recent research. The feasibility of using Kraft lignin powder as a seed to promote struvite precipitation has been demonstrated in the previous study. In this study, the effect of lignin in promoting struvite precipitation in synthetic wastewater with different characteristics was investigated. Lignin-induced struvite crystallization was tested under various initial concentrations of PO 4 –P and NH 4 –N, total suspended solids (TSS) and alkalinity. At pH 7.9, the enhancement of PO 4 –P recovery remains around 45% under different PO 4 –P and NH 4 –N concentrations. Moreover, lignin is more effective under relatively lower alkalinity and still workable to reduce co-precipitates potential under higher alkalinity. Also, the effect of TSS on PO 4 –P recovery is not significant. Overall, the effect of lignin in promoting phosphorus recovery is relatively stable and can be used in synthetic wastewater with different characteristics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,400
Score d'incertitude au seuil0,434

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,232
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetPhosphorus and nutrient managementTravaux en français237 207