Growth Analysis of Chlorella vulgaris on Ceramic Tiles Using Vegetation Indices and Color Kinetics
Notice bibliographique
Résumé
Ceramic substrates offer a low-cost, resourceconscious solution to enhance microalgal proliferation, diverging from traditional cultivation systems. This study investigates the growth of Chlorella vulgaris (C. vulgaris) on ceramic surfaces with three unique topographies-hemispherical indentations, linear grooves, and sawtooth-like ridges-under nutrient-rich and nutrient-deprived conditions. Proliferation was analyzed through images in the visible spectrum, with chlorophyll intensity quantified through four vegetation indices (VIs). Color kinetic models were developed using both VIs and CIELAB color parameters ($L^{*}, a^{*}, b^{*}$) and evaluated using Root Mean Square Error (RMSE) and Akaike Information Criterion (AIC). Results showed that nutrient and moisture availability improved C. vulgaris growth by $20 \%$ in the first five days, though moisture could not be retained beyond 24 hours in open conditions. Surface textures significantly influenced biomass proliferation, with hemispherical depressions showing the highest cell attachment. The Exponential model demonstrated superior predictive performance in $57.14 \%$ of parameter-texture combinations, based on AIC and RMSE metrics. These findings highlight the potential for cultivating C. vulgaris in nonlaboratory settings using ceramic substrates, provided consistent moisture and nutrient supply is maintained.
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) | 0,000 | 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 ».