Influence of Livestock Manure Type on Transport of Escherichia coli in Surface Runoff
Notice bibliographique
Résumé
Abstract Since livestock manure type may influence transport of Escherichia coli (E. coli) in runoff, the choice of which type of livestock manure to apply to cropland may be a potential beneficial management practice (BMP) to reduce and manage E. coli in runoff. Four common manure types (beef, dairy, chicken, hog) were applied to a clay loam soil in small runoff boxes, and a rainfall simulator was used to generate artificial runoff. Runoff samples were collected at three successive time intervals (0 to 5, 5 to 15, 15 to 30 min) and analyzed for flow-weighted mean concentrations (FWMC) of E. coli as well as mass loss of E. coli expressed as a percentage of total E. coli applied. Manure treatment had a significant (p ≤ 0.10) influence on FWMC of E. coli in runoff. The FWMC of E. coli in runoff for the dairy (33.3 CFU per 100 mL) treatment was similar to the control (3.2 CFU per 100 mL), but E. coli concentrations for the beef (955 CFU per 100 mL), chicken (1,134 CFU per 100 mL), and hog (368 CFU per 100 mL) treatments were all significantly greater than the control. The FWMC values were not significantly different among the four manured treatments except for dairy versus chicken manure, where values were significantly lower for dairy manure. Concentrations of E. coli were less than the guideline for recreation waters (< 200 CFU per 100 mL) for the control and dairy treatment, but exceeded this guideline for beef, chicken, and hog manures, suggesting that dairy manure may be better than the other three manures for protecting surface water bodies for recreational use. Our study suggests that manure type may be a possible BMP to manage and control FWMC of E. coli in surface waters.
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 | 0,005 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».