Towards globally relevant, small-footprint dewatering solutions: Optimal conditioner dose for highly variable blackwater from non-sewered sanitation
Notice bibliographique
Résumé
Globally, the sanitation needs of three billion people are met by non-sewered sanitation. Small-footprint treatment technologies are needed that are appropriate for dense urban areas. Blackwater (BW) (or fecal sludge), contains more than 95% liquid, and dewatering it without conditioning requires large footprints. Chemically-enhanced dewatering with conditioners is a promising option to increase dewatering performance and reduce required footprints. However, before implementation of this solution there is a need for increased knowledge on selection and dosing of conditioners. This study evaluated bio-based and synthetic conditioners (chitosan, tannin-, and starch-based, synthetic with and without poly-acrylamide) with 14 types of BW from five countries. The supernatant after settling with jar-tests was analyzed to quantify optimal dose and dewatering performance. The reduction of total chemical oxygen demand (COD) was >55%, achieved by removal of particulate constituents with mainly soluble COD remaining in the supernatant. A reduction in particulate COD could lead to increased efficiency of soluble COD in supernatant treatment. Bio-based conditioners are as effective as synthetic conditioners, and when performance was variable, it was due to differing properties of TSS, TS, EC and pH. Optimal conditioner dose for synthetic conditioners and chitosan could be predicted using concentrations of total solids (TS) (R2 > 0.7), whereas optimal dose for starch- and tannin-based conditioners could be predicted with electrical conductivity (EC) (R2 > 0.8), and colloid titration (R2 > 0.8). In addition, real-time optical TSS and EC sensors could accurately predict chitosan dose for fresh BW treated at source (R2 = 0.97, R2 = 0.95). This study validates that use of conditioners for dewatering with highly variable BW can be implemented with real-time measurements for optimal dose, in globally relevant implementations.
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 | 0,001 |
| 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 ».