MétaCan
Menu
Retour à la cohorte
Enregistrement W1968256324 · doi:10.4141/s05-119

Seafood processing wastes as nutrient sources for crop production

2006· article· en· W1968256324 sur OpenAlexaffvenue
John Macleod, S. Kuo, Trevor Gallant, M. Grimmett

Notice bibliographique

RevueCanadian Journal of Soil Science · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésNutrientEnvironmental scienceLimeCompostWaste managementMineralization (soil science)AgronomyChemistrySoil waterMaterials scienceBiology

Résumé

récupéré en direct d'OpenAlex

Large quantities of wastes are generated in the processing of seafood such as shellfish, crustaceans and finfish. These materials contain appreciable amounts of plant nutrients which may be useful in cropping programs. Under some conditions the waste materials can be directly applied to soil but in other situations stabilization may be necessary. The method of stabilization will influence the availability of nutrients in various cropping programs. Composting with wood can effectively stabilize the waste but the slow mineralization of organic N can limit the usefulness of the compost. Combining the waste with calcium oxide (CaO) or hydrated lime [Ca(OH) 2 ] can produce a stable material with good nutrient availability. If application rates of various wastes are based on their nutrient content, the nutrient requirement of specific crops, and the heavy metal concentrations, then potential environmental problems associated with excess nutrient and heavy metal loadings can be minimized. Application of these materials to land can effectively supply nutrients to crops and minimize environmental damage due to inappropriate methods of disposal. Key words:Seafood waste, composting, lime stabilization, crop nutrients

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)0,001
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 enseignants0,266
Score d'incertitude au seuil0,895

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
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 Opus0,010
Tête enseignante GPT0,218
Écart entre enseignants0,208 · 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

Citations19
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Soil ScienceMême sujetHeavy metals in environmentTravaux en français237 207