MétaCan
Menu
Retour à la cohorte
Enregistrement W2074125510 · doi:10.5558/tfc77293-2

Willow vegetation filters for wastewater treatment and soil remediation combined with biomass production

2001· article· en· W2074125510 sur OpenAlexvenueno aff
Pär Aronsson, Kurth Perttu

Notice bibliographique

RevueThe Forestry Chronicle · 2001
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBioenergy crop production and management
Établissements canadiensnon disponible
Organismes subventionnairesVattenfall
Mots-clésWillowEnvironmental sciencePhytoremediationWastewaterLeachateEnvironmental remediationBiomass (ecology)Sewage treatmentShort rotation coppiceVegetation (pathology)CoppicingWaste managementEnvironmental engineeringBioenergyAgronomySoil waterContaminationBiofuelWoody plantEcologyEngineering

Résumé

récupéré en direct d'OpenAlex

Vegetation filters of fast-growing trees such as willows and poplars are becoming important as an alternative to conventional treatment of wastewater and landfill leachate. Short-rotation willow coppice is a non-edible crop and has many of the requirements for a suitable vegetation filter. The filtering capacity (e.g., of nitrogen) is very high, and the crop promotes denitrification in the root zone. It has a highly selective uptake of heavy metals, especially cadmium, which enables remediation of contaminated soils. In addition, willows have a high evapotranspiration rate facilitating high loads, e.g., of polluted landfill leachate. Because of the pathogens present in municipal wastewater and sludge, special attention must be paid to storage and distribution of wastewater. In many cases vegetation filters are more cost-effective than conventional treatment methods and also facilitate recycling of valuable resources in society. Key words: bioenergy, economics, heavy metals, landfill leachates, municipal wastewater, pathogens, Salix spp., sewage sludge, wood ash

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 enseignants0,002
Score d'incertitude au seuil0,007

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
Bibliométrie0,0010,000
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)0,0020,001

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 Opus0,017
Tête enseignante GPT0,208
Écart entre enseignants0,191 · 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

Citations161
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetBioenergy crop production and managementTravaux en français237 207