MétaCan
Menu
Retour à la cohorte
Enregistrement W4402189172 · doi:10.32920/26871463

Detoxification of Disperse Yellow 3 Contaminated Wastewater Using Constructed Wetlands

2024· preprint· en· W4402189172 sur OpenAlexaffabout
Liam de Borst

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring and Analysis
Établissements canadiensToronto Metropolitan UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDetoxification (alternative medicine)WastewaterWetlandContaminationEnvironmental scienceConstructed wetlandPulp and paper industryWaste managementChemistryEnvironmental chemistryEnvironmental engineeringBiologyEcologyEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

<p>The textile manufacturing industry allows for the release of toxic dyes into the environment. Environment and Climate Change Canada has focused on the dye Disperse Yellow 3, which is imported in large quantities as a potential concern for both human health, as well as the environment. Constructed wetlands are a low maintenance and cost-effective method of treating contaminated wastewater. To test their effectiveness at degrading the dye, a 72-hour algal bioassay utilizing the green algae species Raphidocelis subcapitata was used to determine the EC₅₀ growth for Disperse Yellow 3. The bioassay was then used to determine if constructed wetlands planted with or without the native species blue flag iris (Iris versicolor) could reduce the toxicity of Disperse Yellow 3 at various concentrations based around the EC₅₀ growth. The 72-hour algal bioassay determined that the EC₅₀ growth for Disperse Yellow 3 was 0.13 mg/L. The results found that constructed wetlands were capable of reducing the toxicity at all concentrations tested such that there was no statistically significant difference in the toxicity. While plants' presence in the wetlands did not provide a significant effect, constructed wetlands may be a feasible option to be used as a pre-treatment process for textile mills prior to release.</p>

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,062
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,027
Tête enseignante GPT0,270
Écart entre enseignants0,243 · 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.

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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetWater Quality Monitoring and AnalysisTravaux en français237 207