Effect of Liquid Municipal Biosolid Application Method on Tile and Ground Water Quality
Notice bibliographique
Résumé
This study examined bacteria and nutrient quality in tile drainage and shallow ground water resulting from a fall land application of liquid municipal biosolids (LMB), at field application rates of 93,500 L ha(-1), to silt-clay loam agricultural field plots using two different land application approaches. The land application methods were a one-pass AerWay SSD approach (A), and surface spreading plus subsequent incorporation (SS). For both treatments, it took between 3 and 39 min for LMB to reach tile drains after land application. The A treatment significantly (p < 0.1) reduced application-induced LMB contamination of tile drains relative to the SS treatment, as shown by mass loads of total Kjeldahl N (TKN), NH(4)-N, Total P (TP), PO(4)-P, E. coli., and Clostridium perfringens. E. coli contamination resulting from application occurred to at least 2.0-m depth in ground water, but was more notable in ground water immediately beneath tile depth (1.2 m). Treatment ground water concentrations of selected nutrients and bacteria for the study period ( approximately 46 d) at 1.2-m depth were significantly higher in the treatment plots, relative to control plots. The TKN and TP ground water concentrations at 1.2-m depth were significantly (p < 0.1) higher for the SS treatment, relative to the A treatment, but there were no significant (p > 0.1) treatment differences for the bacteria. For the macroporous field conditions observed, pre-tillage by equipment such as the AerWay SSD, will reduce LMB-induced tile and shallow ground water contamination compared to surface spreading over non-tilled soil, followed by incorporation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».