Evaluating the Efficiency of Chlorella Vulgaris and Spirulina Microalgae in Wastewater Remediation Under Different Light Conditions
Notice bibliographique
Résumé
Microalgae have emerged as a pivotal component of wastewater treatment paradigms, offering an environmentally friendly, sustainable, and cost-effective approach.Beyond the purification of wastewater from diverse sources, microalgae exploit these effluents as a nutrient matrix, facilitating the biosynthesis of valuable bioproducts, bioenergy, and biomaterials.The present study evaluates the pollutant remediation capabilities of Chlorella vulgaris and Spirulina in the presence of common wastewater contaminantschemical oxygen demand (COD), nitrate (NO3 -), and cadmium (Cd 2+ ).These pollutants were selected due to their prevalence in wastewater, with nitrates and COD representing primary organic and inorganic pollutants, respectively, and cadmium being recognized for its acute toxicity.Experimental setups involved two flasks, each containing a mixture of the aforementioned contaminants, with one flask exposed to sunlight and the other placed in a darkroom to simulate varied lighting conditions.The removal efficiencies of Spirulina in the sunlit flask reached 86.6% for COD, 99.1% for NO3 -, and 84.5% for Cd 2+ , while the darkroom condition yielded lower efficiencies of 54.3% for COD, 64.4% for NO3 -, and 61.8% for Cd 2+ .Conversely, Chlorella vulgaris exhibited removal efficiencies of 50.5% for COD, 52.3% for NO3 -, and 74.6% for Cd 2+ under sunlight, and 25.4%, 33.01%, and 53.3% for the respective contaminants in darkness.These findings underscore the crucial influence of sunlight and temperature on algal photosynthesis, thereby enhancing the bioremediation potential of wastewater contaminants.The study substantiates the significant role of microalgae in the reduction of contaminants, affirming their utility as an effective and economical treatment option.
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 | 0,000 | 0,000 |
| 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 ».