MétaCan
Menu
Retour à la cohorte
Enregistrement W4403599835 · doi:10.1016/j.wroa.2024.100267

Near-Complete Phosphorus Recovery from Challenging Water Matrices Using Multiuse Ceramsite Made from Water Treatment Residual (WTR)

2024· article· en· W4403599835 sur OpenAlexafffund
Jinkai Xue, Jinyong Liu, Seyed Hesam‐Aldin Samaei, Leslie J. Robbins

Notice bibliographique

RevueWater Research X · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhosphorus and nutrient management
Établissements canadiensUniversity of Regina
Organismes subventionnairesFaculty of Graduate Studies and Research, University of AlbertaNatural Sciences and Engineering Research Council of CanadaMitacsInnovation SaskatchewanUniversity of Regina
Mots-clésPhosphorusResidualEnvironmental scienceChemistryMathematics

Résumé

récupéré en direct d'OpenAlex

Water treatment residual (WTR) is a burden for many water treatment plants due to the large volumes and associated management costs. In this study, we transform aluminum-salt WTR (Al-WTR) into ceramsite (ASC) to recover phosphate from challenging waters. ASC showed remarkably higher specific surface area (SSA, 70.53 m 2 /g) and phosphate adsorption capacity (calculated 47.2 mg P/g) compared to previously reported ceramsite materials (< 40 m 2 /g SSA and < 20 mg P/g). ASC recovered over 94.9% of phosphate across a wide pH range (3 – 11) and generally sustained > 90% of its phosphate recovery at high concentrations of competing anions (i.e., Cl - , F - , SO 4 2- , or HCO 3 - ) or humic acid (HA). We challenged the material with real municipal wastewater at 10°C and achieved simultaneous phosphate (>97.1%) and COD removal (71.2%). Once saturated with phosphate, ASC can be repurposed for landscaping or soil amendment. The economic analysis indicates that ASC can be a competitive alternative to natural clay-based ceramsite, biochar, or other useful materials. Therefore, ASC is an eco-friendly, cost-effective adsorbent for phosphate recovery from complex waters, shedding light upon a circular economy in the water sector.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,074
Tête enseignante GPT0,309
Écart entre enseignants0,235 · 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 source (Gemma direct ou Codex distillé), 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

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Research XMême sujetPhosphorus and nutrient managementTravaux en français237 207