Influence of typical soil minerals on ureolytic bacteria‐induced carbonate precipitation
Notice bibliographique
Résumé
Abstract Microbial‐induced carbonate precipitation (MICP) has been widely applied in soil remediation, stabilization and soil carbon storage. This study investigated the effects of different soil minerals on carbonate production during MICP. Aqueous sorption experiments, along with chemical and microstructural analyses, were conducted to monitor the progress and performance of MICP. Montmorillonite significantly enhanced carbonate production, while quartz, kaolinite and goethite adsorbed free Ca 2+ from the solution, slowing the formation of calcium carbonate without affecting the overall carbonate yield. Calcite and vaterite were identified as the primary carbonate phases, with vaterite dominating (accounting for ~90% of the crystalline calcium carbonate). However, montmorillonite substantially increased the proportion of calcite (from 9% to 52%). The enhancement may be attributed to the lower Ca 2+ adsorption capacity of montmorillonite, which helps maintain sufficient Ca 2+ in solution and promote direct calcite precipitation. Additionally, interactions between montmorillonite and ureolytic bacteria may also protect bacteria from being co‐precipitated with carbonate minerals. Soil minerals were also found to accelerate the urease activity of ureolytic bacteria, with goethite having the strongest effect. Since carbonate was not a limiting factor in the experiment, goethite had no significant impacts on carbonate yield. This study sheds light on the potential application of MICP under different soil mineral conditions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».