Production of biomethane, biohydrogen, and volatile fatty acids from Nordic phytoplankton biomass grown in blended wastewater
Notice bibliographique
Résumé
Upgrading carbon-negative microalgal biomass to biofuels and value-added products presents a three-pronged solution for waste treatment, carbon capture, and economically viable bioenergy production. Acidogenesis and methanogenesis are versatile processes at the core of anaerobic digestion systems, facilitating the conversion of diverse biogenic substrates into energy and a wide range of biobased products. The present study was conducted to integrate acidogenesis and methanogenesis for coproduction of biohydrogen, methane, and volatile fatty acids from Nordic phytoplankton consortia. For this purpose, microalgal consortia was cultivated in a raceway pond equipped with high surface area structures. Harvested microalgal biomass was subjected to thermoalkaline (2 % NaOH solution at 121 °C) and enzymatic (cellulase) pretreatments. The hydrolysates of the pretreated biomass were inoculated with thermally treated sludge for acidogenic fermentation and with mixture of untreated sludge and cow dung (1:1 v/v ratio) for anerobic digestion. The acidogenic process produced a significant amount of biohydrogen (maximum 164.8 L H2/VSload) along with volatile fatty acids (maximum 7.9 g COD/L), while methanogenesis resulted in methane production of maximum 210.7 mL CH4/VSload, accompanied by an ammonium recovery of 1278 mg NH4+/L. These maximum yields were all achieved by enzymatic pretreatment of the biomass fraction harvested from high surface area brush head structures inserted in the raceway pond. These results have important implications for designing phytoplankton cultivation systems and upstream pathways to optimize energy production from carbon-negative phytoplankton biomass.
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 | 0,001 |
| 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) | 0,000 | 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 ».