Algal biomass dual roles in phycoremediation of wastewater and production of bioenergy and value-added products
Notice bibliographique
Résumé
Abstract Algal biomass has been gaining attention over the last decades as it is versatile and can be used in different industries, such as wastewater treatment and bioenergy industries. Microalgae are mixotrophic microorganisms that have potential to utilize nitrogen and phosphate (nutrients) and remove organic matters from wastewater streams. Phycoremediation is an intriguing and cost-efficient technique to simultaneously remove heavy metals from wastewater while removing nutrients and organic matters. The cultivated and produced algal biomass can be a promising candidate and a sustainable feedstock to produce biofuels (e.g., biodiesel, bio-alcohol, and bio-oil) and value-added products such as biochar, glycerol, functional food, and pigments. The algae suspended cultivation systems, WSP and HRAP, are efficient methods for the wastewater treatment in shallow ponds with no mechanical aeration and less required energy consumption, but when a short HRT and minimum evaporation losses are key points in the algal cultivation the PBRs are recommended. It was reported that biosorption and bioaccumulation are the two promising techniques of phycoremediation. Studies showed that among the current processes of algal biomass conversion to biofuels, transesterification of algal lipids and pyrolysis of algal biomass were found to be the most efficient techniques. This review paper investigates the applications of algal biomass in the phycoremediation of wastewater, productions of bioenergy and value-added products by reviewing articles mainly published over the last five years. Graphical abstract
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».