MétaCan
Menu
Retour à la cohorte
Enregistrement W6904816048 · doi:10.14288/1.0388730

Effect of biochar and wood ash amendment on biochemical methane production of wastewater sludge from a temperature phase anaerobic digestion process

2020· article· en· W6904816048 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen Collections · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiocharMethaneAmendmentAnaerobic digestionBioenergyBiogasCharcoalWood ashWastewater

Résumé

récupéré en direct d'OpenAlex

Methane production is limited during anaerobic digestion (AD) due to complex molecular structure of organic waste and inhibition of archaea by by-products generated from mineralization of organic matter. In British Columbia, biochar and wood ash are waste products of bioenergy produced from forestry residues. Recent studies have found that addition of biochar to AD increases methane production through direct interspecies electron transfer and biofilm formation, attenuation of inhibition and buffering effect. The objective of this study was to compare the effects of local biochar and wood ash in granular (0.85-4.75 mm) and powdered (< 0.075 mm) form on the biochemical methane production (BMP) of AD of municipal sludge from the Lulu Island wastewater treatment plant (WWTP) in Vancouver, British Columbia (Canada) in batch bioassays. Powdered biochar at dosage of 0.8-3.7 g/g-volatile solids (VS)-substrate achieved the highest improvement in rate of methane production with 192-461% increase from controls, in the first 16 days. This increase was followed by an early stationary methane production phase and a reduction of total methane yield ranging from 9 ± 4% at the lowest dosage to 25 ± 1% at the highest. Results indicated that the early plateau could be caused by adsorption of volatile fatty acids (VFAs) by the biochar. There was generally no significant difference in total methane yield from granular biochar at dosages up to 2.2 g/g-VS-substrate, however, at 3.7 g/g-VS-substrate there was a 16 ± 3% reduction. Methane production rates from wood ash (under the propriety name of ZMM® T-Carbon) amended assays were either not significantly different from controls except at a granular dosage of 2.2 g/g-VS-substrate, where production rates were better than controls. Thus, ZMM® T-Carbon may contribute essential nutrients and be beneficial only under high organic loading rate. Granular ZMM® T-Carbon was effective at reducing ammonia nitrogen by up to 14%. Evidence from BMP colonization test and scanning electron micrograph images demonstrated that syntrophic bacteria and methanogenic archaea colonized the surface of the granular char media. Future research should investigate the VFA adsorption capacity of various biochar types.

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 enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,253
Écart entre enseignants0,243 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen CollectionsMême sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207