MétaCan
Menu
Retour à la cohorte
Enregistrement W1958174400

Application of a Maturity-accelerating Reagent (MAR) to Food Wastes Composting Processes

2009· article· en· W1958174400 sur OpenAlexaff
Yajie Li, J. Liu, Guohe Huang, Hui Yu, Kun An, Baiyu Zhang

Notice bibliographique

RevueUniversity of Zagreb University Computing Centre (SRCE) · 2009
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueComposting and Vermicomposting Techniques
Établissements canadiensUniversity of Regina
Organismes subventionnairesChina Scholarship Council
Mots-clésCompostAmendmentFood wasteChemistryAmmoniaReagentNitrogenDegradation (telecommunications)SawdustTotal organic carbonWaste managementStruviteAmmoniacal nitrogenCarbon fibersGreen wasteOrganic matterPulp and paper industryEnvironmental chemistryOrganic chemistryPhosphorusMaterials science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In order to increase the degradation rate of organic materials and reduce ammonia emissions simultaneously during the aerobic composting period, a commercial maturity-accelerating reagent (MAR) was employed. Comparative composting experiments were conducted: Run A with the addition of MAR in the composting mixture, and Run B without the addition of MAR, while some parameters such as organic carbon, ammonia, and pH were measured under controlled air flow rate in the composting process. After 26 days of composting, the experimental results revealed that the degradation rate in Run A (21 g kg -1 d -1 DM (dry mass)) was higher than that in Run B (18 g kg -1 d -1 DM) by 16.7 %, while ammoniacal N (NH 3 and NH 4 + ) retained in Run A was 13.6 g kg -1 DM, which was more than that in Run B (8.3 g kg -1 DM), possibly because struvite crystal was formed. Apparently, the application of MAR had a positive effect on composting wastes, not only promoting organic degradation and nitrogen conversion, but also improving the quality of the compost, to be used as soil amendment in agriculture.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,474
Score d'incertitude au seuil0,559

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,184
Écart entre enseignants0,169 · 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 tête enseignante, 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

Citations2
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Zagreb University Computing Centre (SRCE)Même sujetComposting and Vermicomposting TechniquesTravaux en français237 207