Native microalgal-bacterial consortia from the Ecuadorian Amazon region: an alternative to domestic wastewater treatment
Notice bibliographique
Résumé
In low-middle income countries (LMIC), wastewater treatment using native microalgal-bacterial consortia has emerged as a cost-effective and technologically-accessible remediation strategy. This study evaluated the effectiveness of six microalgal-bacterial consortia (MBC) from the Ecuadorian Amazon in removing organic matter and nutrients from non-sterilized domestic wastewater (NSWW) and sterilized domestic wastewater (SWW) samples. Microalgal-bacterial consortia growth, in NSWW was, on average, six times higher than in SWW. Removal rates (RR) for NH 4 + - N and PO 4 3− -P were also higher in NSWW, averaging 8.04 ± 1.07 and 6.27 ± 0.66 mg L −1 d −1 , respectively. However, the RR for NO 3 − -N did not significantly differ between SWW and NSWW, and the RR for soluble COD slightly decreased under non-sterilized conditions (NSWW). Our results also show that NSWW and SWW samples were statistically different with respect to their nutrient concentration (NH 4 + -N and PO 4 3− -P), organic matter content (total and soluble COD and BOD 5 ), and physical-chemical parameters (pH, T, and EC). The enhanced growth performance of MBC in NSWW can be plausibly attributed to differences in nutrient and organic matter composition between NSWW and SWW. Additionally, a potential synergy between the autochthonous consortia present in NSWW and the native microalgal-bacterial consortia may contribute to this efficiency, contrasting with SWW where no active autochthonous consortia were observed. Finally, we also show that MBC from different localities exhibit clear differences in their ability to remove organic matter and nutrients from NSWW and SWW. Future research should focus on elucidating the taxonomic and functional profiles of microbial communities within the consortia, paving the way for a more comprehensive understanding of their potential applications in sustainable wastewater management.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».