MétaCan
Menu
Retour à la cohorte
Enregistrement W4393997751 · doi:10.2166/wpt.2024.084

Comparing the effect of carbon media on nutrient removal and greenhouse gas production in laboratory-scale bioreactors

2024· article· en· W4393997751 sur OpenAlexafffund
Jacqueline Köhn, Nicole E. Seitz Vermeer, Janelle F. Villeneuve, Mark Kadijk, Shanwei Xu

Notice bibliographique

RevueWater Practice & Technology · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensUniversity of LethbridgeAgriculture and Agri-Food CanadaLethbridge CollegeAgriculture Food and Rural Development
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésGreenhouse gasBioreactorEnvironmental scienceProduction (economics)NutrientScale (ratio)Carbon fibersSCALE-UPWaste managementEnvironmental engineeringChemistryEngineeringComputer scienceBiologyEcologyEconomicsPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The performance of locally available agricultural carbon media (barley straw and hemp straw) was compared to woodchips for removing nitrate (NO3-N) and orthophosphate (PO4-P) in up-flow laboratory bioreactors. These media were tested in three replicates to quantify variability. The production of greenhouse gases nitrous oxide (N2O), methane (CH4) and carbon dioxide (CO2) were quantified. Influent water with NO3-N and PO4-P flowed continuously through bioreactors at a 4-h hydraulic retention time at 20 °C for 16 weeks. Nitrate removal reached up to 37% across all carbon media after the fifth week, with a removal rate of 64 g N m−3 d−1. Nitrate removal was affected by the type of carbon media in the order of barley straw > hemp straw > woodchips (P < 0.05). Most of the PO4-P rates declined rapidly after the first week for all carbon media meaning none were superior. Greenhouse gas production was dominated by CO2 with less CH4 and N2O produced. Production of N2O relative to nitrate removal for the three media remained low at 0.16 to 0.75%. The findings suggest that agricultural residues could perform better than woodchips for NO3-N removal although there was slightly higher N2O and CO2 production for these residues than woodchips.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,181
Score d'incertitude au seuil0,335

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,221
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Practice & TechnologyMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207