MétaCan
Menu
Retour à la cohorte
Enregistrement W2064388382 · doi:10.1080/1065657x.2003.10702132

The Physical Properties of Compost

2003· article· en· W2064388382 sur OpenAlexaff
J. Agnew, J.J. Leonard

Notice bibliographique

RevueCompost Science & Utilization · 2003
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueComposting and Vermicomposting Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCompostBulk densityWater contentParticle densityAerationEnvironmental scienceMoistureMaterials scienceProcess engineeringSoil scienceWaste managementSoil waterEngineeringComposite materialPhysicsGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

The trend toward more efficient methods of compost production and handling requires a complete understanding of the process, the materials involved, and the physical parameters of the materials such as moisture content, bulk density, and various mechanical properties. These properties influence the process and product in various ways from aeration effectiveness to compost-soil interactions. This paper reviews the influence of the physical properties of composting materials on the production and utilisation of compost. Methods for measuring moisture content, bulk density, particle size distribution, airflow resistance and the thermal and optical properties of compost are summarised. In addition to techniques for determining theses properties, typical values for particle density, porosity, and mechanical and electrical properties of composting materials are presented. Empirical formulas also are included for bulk density, particle density, free air space, and specific heat capacity, as cited in the reviewed literature. In the majority of cases, there is a lack of a specific standard for describing and measuring compost physical properties. In order to achieve uniformity in reporting and comparability of data from various sources, acceptable standard methods of measuring compost properties need to be adopted.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,077
Tête enseignante GPT0,276
Écart entre enseignants0,198 · 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'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

Citations274
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCompost Science & UtilizationMême sujetComposting and Vermicomposting TechniquesTravaux en français237 207