Rapid Analysis of Hog Manure and Manure‐amended Soils Using Near‐infrared Spectroscopy
Notice bibliographique
Résumé
Application of hog ( Sus domesticus ) manure to agricultural land converts waste to fertilizer. Nevertheless, matching nutrients in highly variable manure to soil or crop needs requires analytical capability that is ideally field portable and cost‐effective. This study explored using rapid nondestructive near‐infrared spectroscopy (NIRS) to analyze nutrients in hog manure and receiving soil. Spectral data in the visible and near‐infrared (NIR) region (400–2500 nm) from manure samples were correlated with chemical analytical data from the same samples using multiple linear regression statistics to develop calibrations for the prediction of future unknown samples. For 64 manure samples from seven manure storage facilities, r 2 between NIR‐predicted values and chemically measured values was 0.93 to 0.99 for NH 4 –N, total dissolved N (TDN), suspended N, soluble reactive P (SRP), total dissolved P (TDP), suspended P, suspended C, Na, and Mg. For K, Ca, conductivity, and pH, r 2 was >0.80. Subsequent analysis of 75 samples from 25 facilities gave similar or slightly less successful results. Soil samples collected before and following application of manure were scanned in a field‐moist state and after drying. For field‐moist soil, r 2 for N, organic matter, Mg, and moisture was >0.84; for SO 4 –S was 0.7. For dry soil, results were similar for N and better for Mg SO 4 –S, Ca, and K. Near‐infrared spectroscopy has potential to predict some nutrient and salt concentrations in manure rapidly and without sample preparation. It can determine moisture, organic matter, total N, and Mg in field‐moist or dry soil and SO 4 –S, Ca, and possibly K in dry soil.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».