Biodiesel production from oleaginous microalgae shows great potential as a promising alternative to conventional fossil fuels. Currently, most research focus on algal biomass production with autotrophic cultivation, but this cultivation strategy induces low biomass concentration and it is difficult to be used in large-scale algal biomass production. By contrast, heterotrophic algae allows higher growth rate and can accumulate higher lipid. However, the fast-growing and lipid-rich microalgae that can be cultivated in heterotrophic system for the industrial application of biodiesel production are still few. Traditional solvent extraction and gravimetric determination to detect the microalgal total lipid content is time-consuming and laborious, which has become a major limiting factor for selecting large number of algae specimens. Thus, it is critical to develop a rapid and efficient procedure for the screening of lipid-rich microalgae.A novel green microalga Scenedesmus sp. strain R-16 with high total lipid content was selected using the Nile red staining from eighty-eight isolates. Various carbon sources (fructose, glucose and acetate) and nitrogen sources (nitrate, urea, peptone and yeast extract) can be utilized for microalgal growth and lipid production, and the optimal carbon and nitrogen sources were glucose (10 g L-1) and nitrate (0.6 g L-1), respectively. Compared to autotrophic situation, the strain R-16 can grow well heterotrophically without light and the accumulated total lipid content and biomass reached 43.4% and 3.46 g L-1, respectively. In addition, nitrogen deficiency led to an accumulation of lipid and the total lipid content was as high as 52.6%, and it was worth noting that strain R-16 exhibited strong tolerance to high glucose (up to 100 g L-1) and a wide range of pH (4.0-11.0).The newly developed ultrasonic-assisted Nile red method proved to be an efficient isolation procedure and was successfully used in the selection of oleaginous microalgae. The isolated novel green microalgal strain R-16 was rich in lipid and can live in varied and contrasting conditions. The algae appeared to have great potential for application in microalgae-based biodiesel production.

Applied voltage is a crucial parameter in hybrid microbial electrolysis cells-anaerobic digestion (MEC-AD) systems for enhancing methane production from waste activated sludge (WAS). This study explored the impact of applied voltage on the initial biofilm formation on electrodes during the MEC-AD startup using raw WAS (Rr) and heat-pretreated WAS (Rh). The findings indicated that the maximum methane productivity for Rr and Rh were 3.4 ± 0.5 and 3.4 ± 0.2 mL/gVSS/d, respectively, increasing 1.5 times and 2.6 times over the productivity at 0 V. The biomass on electrode biofilms for Rr and Rh at 0.8 V increased by 70 % and 100 % compared to 0 V. The core functional microorganisms in the cathode biofilm were Methanobacterium and Syntrophomonas, and Geobacter in the anode biofilm, enhancing methane production through syntrophism and direct interspecies electron transfer, respectively. These results offer academic insights into optimizing AD functional electrode biofilms by applying voltage.

In order to reduce nitrogen oxides in the earth's atmosphere caused by pollution. Thermal power plants are gradually adding a selective catalytic reduction denitrification technology during the operation of the power plant. But in the power plant in the process of the denitration, the phenomenon of sulfur dioxide (SO2) being oxidized to sulfur trioxide (SO3) occurs and cannot be accurately monitored. Therefore, in order to have a more intuitive understanding of SO3 emissions from power plants, we use a transfer learning based on VGG16 network to study it, which is of significant reference value for the application of machine learning techniques in predicting atmospheric pollution from thermal power plants. Real smoke data is put into the model to make predictions, analyze and verify the effects, and compare the predicted effects with other machine learning models showing that the transfer learning model has higher identification accuracy.

With a focus on efficient and low-carbon wastewater treatment, methane driven denitrification has garnered significant attention. Membrane biofilm reactors (MBfRs) are commonly employed to enhance methane utilization. However, previous studies have identified the impact of unavoidable oxygen infiltration on reactor performances without specifying the critical oxygen threshold. In this study, two parallel CH4-MBfRs with different oxygen intakes were established for mutual control. Three different oxygen concentrations, namely 4.5 ± 0.4 mg/L, 1.7 ± 0.2 mg/L, and 0.1 ± 0.1 mg/L, were defined as Rich, Limited, and Poor-oxygen condition, respectively. Results revealed that the maximum denitrification rate in CH4-MBfRs occurred under Limited-oxygen condition (220 mg N/L/d), followed by Poor-oxygen (108.1 mg N/L/d) and Rich-oxygen (60.0 mg N/L/d) conditions. Notably, methane driven denitrification consistently resulted in short chain fatty acids (SCFAs) production. The maximum SCFAs accumulation of 664.5 mg/L was also observed under Limited-oxygen condition. Microbial community characterization showed that the biofilm was predominated by Pseudomonas, Paracoccus, Lentimicrobium, Arcanobacterium, and Proteiniphilum. Based on the known metabolism characteristics of these microorganisms, it was assumed that these denitrifiers and SCFAs producers contributed jointly to methane driven denitrification, potentially triggered by oxygen. The findings contribute to understanding the role of oxygen in methane oxidation-coupled denitrification.

Fruit and vegetable waste (FVW) are characterised by high-water content. Solid-liquid separation of FVW by crushing-extrusion physical pre-treatment provides fruit and vegetable wastewater (FVWW), and then for anaerobic biological treatment to recover methane, which is considered a cost-effective approach. However, anaerobic treatment of FVWW faces difficulties with low methane productivity and over-accumulation of volatile fatty acids (VFAs). In this study, the expanded granular sludge bed (EGSB) reactor was used for the anaerobic treatment of FVWW and the regulatory strategy to alleviate over-acidification was proposed. When the influent chemical oxygen demand (COD) concentration was 10000 mg/L, the hydraulic retention time (HRT) was 2 days, the organic loading rate (OLR) reached 5 g COD/L/d, the maximum methane productivity reached 301.14±2.32 mL/gCOD with a COD removal rate of 96%±2%. Lower VFAs accumulation was observed when decreasing the influent COD concentration to the same OLR compared with extending HRT, resulting in 38.5% higher methane productivity. Decreasing the influent COD concentration not only benefited the enrichment of acetogens and hydrogenotrophic methanogens but also specifically enriched syntrophic bacteria. The enhanced syntrophic acetogenesis and hydrogenotrophic methanogens maybe the main reasons for promoting the degradation of propionate and butyrate and improving the methane productivity.