MétaCan
Menu
Retour à la cohorte
Enregistrement W2030331646 · doi:10.1080/13895260008953324

Evaluation of municipal solid waste (MSW) compost as a soil amendment for acidic, metalliferous mine tailings

2000· article· en· W2030331646 sur OpenAlexaffabout
Giuseppe Bagatto, Joseph D. Shorthouse

Notice bibliographique

RevueInternational Journal of Surface Mining Reclamation and Environment · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensLaurentian University
Organismes subventionnairesInstitut National Du Cancer
Mots-clésCompostTailingsLimeAmendmentMunicipal solid wasteFertilizerOrganic matterEnvironmental scienceMulchSoil conditionerWaste managementChemistryPulp and paper industrySoil waterAgronomyMetallurgyMaterials scienceSoil science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Four 0·5 ha plots were established on freshly dried tailings of INCO Ltd. near Sudbury, Ontario, Canada and received the following treatments: 1) 125 t/ha Municipal Solid Waste (MSW) compost, 2) 250 t/ha MSW compost, 3) INCO's standard application of crushed limestone, fertilizer and hay mulch and 4) control - no application of compost. Application of compost at a rate of 250 t/ha yielded the same increase in tailings pH (from 2·80 to 4·65) as that achieved with the typical INCO application of 40 t lime/ha. The INCO treatment with lime and fertilizer resulted in no initial input of organic matter; whereas, a 250 t/ha application of compost increased organic content by 8·3%. Moisture retention in tailings at the two compost-treated plots was significantly higher (26%) than that of the INCO treated plots (<10%). Application of lime as part of the INCO treatment reduced levels of water soluble Cu and Ni from 22·8 pgCu/g to 0·4 pgCu/g and from 35·5 pgNi/g to 5·2 ngNi/g. Similar reductions in water soluble copper and nickel in tailings were achieved with the 250 t/ha application of compost. It was concluded that tailings amelioration with MSW compost is superior to the INCO treatment because it more rapidly increases pH, moisture content and organic content, and reduces concentrations of water soluble (plant available) Cu and Ni.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,332
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0030,000

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 Opus0,026
Tête enseignante GPT0,294
Écart entre enseignants0,268 · 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.

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

Citations6
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Surface Mining Reclamation and EnvironmentMême sujetMine drainage and remediation techniquesTravaux en français237 207