Occurrence and partitioning behavior of E. coli and wastewater micropollutants following rainfall events
Notice bibliographique
Résumé
The fate of indicator bacteria and wastewater micropollutants (WWMPs) discharged from water resource recovery facilities (WRRFs) and combined sewer overflows (CSOs) needs to be understood for the protection of drinking water sources. This study investigated the partitioning behavior in wet and dry weather of Escherichia coli and 6 WWMPs including acetaminophen (ACET), caffeine (CAF), theophylline (THEO), carbamazepine (CBZ), 2-hydroxycarbamazepine (CBZ-2OH), and the artificial sweetener aspartame (ASP) between the water, suspended particulate matter (SPM), and sediments. ACET, CAF, THEO and CBZ were detected in all matrices. In contrast, CBZ-2OH and ASP were strongly associated with suspended particles, being exclusively detected in SPM and sediments. When comparing dry to wet weather concentrations, three main patterns were observed depending on the compounds and CSO locations: (i) compounds with low removal efficiency by wastewater treatment (CBZ, CBZ-2OH and ASP) are diluted with the addition of stormwater in the aqueous and SPM phases; (ii) contaminants with high removal efficiency ( E. coli , ACET, CAF, THEO) saw an increase in their particle associated fraction (39 to 59% for E. coli , and from 12%–43% to 42%–91% for WWMPs); and (iii) no significant difference was observed for surficial sediment concentrations after rainfall events, although spatial variability was observed. Results highlight the importance of monitoring the SPM phase to overcome dilution effects in the dissolved phase. Analyzing SPM with regards to micropollutants and indicator bacteria may be more relevant for risk assessment and the assessment of the relative contribution of CSO bypass flows and treated wastewater effluents loads.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».