MétaCan
Menu
Retour à la cohorte
Enregistrement W2026837593 · doi:10.1100/tsw.2008.98

Pig Manure Application for Remediation of Mine Soils in Murcia Province, SE Spain

2008· article· en· W2026837593 sur OpenAlexaff
Ángel Faz, D. Carmona, Andréa Zanuzzi, A. R. Mermut

Notice bibliographique

RevueThe Scientific World JOURNAL · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésManureEnvironmental scienceLeachateSoil waterAmendmentAcid mine drainageEnvironmental remediationLimeEnvironmental chemistryContaminationAgronomyChemistryGeologySoil scienceBiologyEcology

Résumé

récupéré en direct d'OpenAlex

In southern Spain, specifically in Murcia Province, an increased pig population causes large amounts of slurry production that creates a very serious environmental concern. Our aim was to use this waste to reduce the acid mine drainage process, heavy metal mobilization, and to improve soil conditions to enhance plant establishment in mine soils. Pig manure, sewage sludge, and lime were used as soil amendments in a field experiment and in undisturbed soil column. Field experiments showed an increase in pH, total nitrogen, organic carbon, and carbonate contents; a reduction of diethylene-tetramine pentaacetic acid (DTPA)-- and water-extractable metals; and an improvement of plant establishment. The field studies showed that pig manure could be utilized to remediate polluted soils. Column studies in the laboratory showed that amendment of mine soil with pig manure initially increased soil pH from 2.21 to 6.34, promoted reduced conditions in the surface soil, and decreased the metal mobility. After 21 weeks, while the leachate was slightly acidic, however, the mobility of metals was substantially low. Additions of 7 and 14% of pig manure were insufficient to maintain a neutral pH in the leachate. Therefore, continuous application of the pig manure may be advised.

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)0,002
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,265
Score d'incertitude au seuil0,253

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 ouverte0,0000,000
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 GPT0,244
Écart entre enseignants0,229 · 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

Citations13
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Scientific World JOURNALMême sujetMine drainage and remediation techniquesTravaux en français237 207