Enhancing Methane Production from Food Waste via Anaerobic Digestion Using Waste-Derived Hydrogels: Improved VFA Conversion and Microbial Niche Formation
Notice bibliographique
Résumé
Anaerobic digestion (AD) offers a sustainable approach to food waste valorization through biogas production. Hydrogels, known for high water retention, porosity, and microbial compatibility, are increasingly explored as AD additives to enhance substrate diffusion, pH buffering, and microbial colonization. This study investigates waste-derived hydrogel materials, i.e., pure hydrogel (PH), biochar-hydrogel (BH), and LECA-hydrogel (LH), as multifunctional additives to enhance methane yield under varying organic loading rates (OLRs). At low OLR (0.3 g VS/L/d), BH40 (40 wt % biochar-hydrogel) achieved the highest methane yield (3.71 ± 0.21 L/g VS), producing 27.9% more methane than PH40 (40 wt % hydrogel) due to its buffering and conductive properties that supported syntrophic microbial activity and volatile fatty acids (VFAs) conversion. Conversely, at high OLR (0.9 g VS/L/d), PH40 yielded the highest methane (4.07 ± 0.28 L/g VS), attributed to improved pH stability and VFA utilization. Microbial analysis revealed PH40 enriched key methanogenic taxa, including Bacilli, Synergistia, and Cloacimonadia . Principal component analysis revealed hydrogel additives shaped distinct microbial communities, with PH40 promoting a methanogen-enriched cluster. Overall, this study highlights the novel use of waste-derived hydrogels as dual-function AD enhancers, demonstrating their cost-effective potential to improve methane yield while contributing to circular bioeconomy and sustainable waste-to-energy solutions.
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) | 0,000 | 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) | 0,001 | 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 ».