Exploring Optimal Pretreatment Approaches for Enhancing Biohydrogen and Biochar Production from Azolla filiculoides Biomass
Notice bibliographique
Résumé
Mitigating the irreversible consequences of climate change necessitates the application of sustainable energy resources. Hereby, we investigated the biological anaerobic fermentation of Azolla filiculoides biomass for biohydrogen production as a clean renewable energy source. Azolla filiculoides is a widely growing aquatic plant in polluted freshwater streams. However, the high non-biodegradable organic matter content in Azolla filiculoides biomass remains challenging in efficiently producing renewable energy, especially when it is being used as the sole donor substrate. In order to overcome this challenge, different pretreatment scenarios (namely, alkali, autoclaving, and ultrasonication) have been employed for enhancing the hydrolysis of Azolla filiculoides biomass to maximize the anaerobic fermentation and, consequently, the biohydrogen production potential. The biohydrogen production potential was 250.5, 398, 414.5, and 439.5 mL-H2, giving a hydrogen yield of 60.1, 89.6, 92.9, and 107.9 mL-H2/g-VS, respectively. Gompertz kinetics were applied to estimate the growth parameters of the process, which revealed a good fit with R2 ranging from 0.96 to 0.98. The produced digestate was valorized for biochar production, a material that could be applied for water treatment purposes. The produced biochar was characterized using different physical analyses, including FTIR, SEM, EDX, and TEM. The physicochemical characterizations of biochar demonstrate a successful formation of biochar with a highly porous structure and a rough surface, as evidenced by the emergence of significant functional groups (e.g., O-H, C-H, C=C, and C=O) existing on the surface of the biochar. In conclusion, this study harnesses a sustainable approach for the treatment of organic waste streams, which represents a circular economy model by transforming waste materials into valuable products and reducing the reliance on non-renewable resources.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 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 ».