Chemical conditioning approach to post-treat temperature-phased anaerobic digestate to improve resource recovery, odour reduction and biosolids quality
Notice bibliographique
Résumé
Biosolids has several challenges, such as its high water content, huge volume, odour, and pathogen presence. Regulations require biosolids to be reused and disposed of safely. Polymer conditioning focuses on volume reduction, leaving pathogen and odour reduction unaddressed. This study evaluates the use of polymer alone and in combination with ferric chloride (FeCl3) and hydrogen peroxide (H2O2) at pH 8.0 to increase the post-treatment efficiency of temperature-phased anaerobic digestate (TPAD). The goal is to reduce volume, recover phosphorus, reduce odour, and eliminate pathogens. This investigation examined various dewatering indices after treating TPAD with cationic polymer alone, polymer and FeCl3, and with polymer, FeCl3, and H2O2 combined at pH 8.0. A combination of 2.5 g/kg dry solids (DS) polymer, 2.1 g/kg DS FeCl3 and 600 mg/l H2O2 at pH 8.0 produced the shortest capillary suction time (CST) of 11.5 s, lowest turbidity of 11 NTU, and lowest specific resistance to filtration (SRF) of 0.08 Terra m (Tm)/kg. Compared to raw TPAD, the combined chemical dose improves dewatering by 99%, odour reduction by 90%, 100% centrate P removal, and a 40% increase in cake solids with 57 MPN/g DS fecal coliforms in the treated cake. There was a 100% reduction in pathogens compared to raw cake. TPAD must be post-treated to reduce volume and odour while producing P rich ‘class A’ biosolids with a greater range of reuse.
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 ».