MétaCan
Menu
Retour à la cohorte
Enregistrement W2053295176 · doi:10.4141/s06-053

Ammonia emissions from land-applied beef cattle manure

2007· article· en· W2053295176 sur OpenAlexvenueno aff
S. M. McGinn, Sven G. Sommer

Notice bibliographique

RevueCanadian Journal of Soil Science · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésManureEnvironmental scienceFeedlotVolatilisationAmmoniaAgronomyLivestockCompostAmmonia volatilization from ureaManure managementTillageBeef cattleChemistryAnimal scienceGeography

Résumé

récupéré en direct d'OpenAlex

Ammonia (NH3) is emitted in vast quantities from exposed livestock manure. The volatilisation of NH3 from livestock manure is a loss in valuable nitrogen in land-applied manure that could otherwise be used for crop production. Ammonia loss to air is also affiliated with environmental problems when it is deposited to the surrounding landscape. The goal o f this study was to quantify the effect of managing beef cattle manure on NH3 emissions of land-applied manure. Three trials were conducted where beef feedlot manure was applied. The NH3 losses were measured from field plots (90 or 160 m2) using acid traps (passive flux samplers). Immediately after applying manure, irrigating with 6 mm of water reduced NH3 loss by 21–52% while tillage (to 15 cm depth) reduced the loss by 76–85% compared with leaving the manure spread on the soil surface. Piled manure that was applied to the land lost 27% less NH3 than did manure taken directly from the pen. There was little NH3 lost from compost that was applied to land since the applied available-N was very low relative to the pen and piled manure. Our study shows that management of livestock manure has a direct impact on NH3 loss to air. It follows that significant reduction in NH3 volatilisation can benefit agriculture and reduce agriculture’s impact on the environment. Key words: Ammonia, manure, tillage, irrigation, compost, feedlot

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,204
Écart entre enseignants0,196 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations41
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Soil ScienceMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207