MétaCan
Menu
Retour à la cohorte
Enregistrement W2115004911 · doi:10.1081/pfc-120018452

Odor Measurements for Manure Spreading Using a Subsurface Deposition Applicator

2003· article· en· W2115004911 sur OpenAlexaff
Anthony Lau, Shabtai Bittman, Gladis Lemus

Notice bibliographique

RevueJournal of Environmental Science and Health Part B · 2003
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueOdor and Emission Control Technologies
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésOdorOlfactometerManureDeposition (geology)Environmental scienceSplashFlux (metallurgy)Environmental engineeringWaste managementMaterials scienceMeteorologyChemistryAgronomyEngineeringEcologyGeologyMetallurgy

Résumé

récupéré en direct d'OpenAlex

Odor emissions during manure spreading events have become a source of concern, particularly where farms are located nearby urban areas. The objective of the present study was to compare odor concentrations and odor emission rates due to pig manure application using two different types of applicators, a sub-surface deposition system and a conventional splash-plate applicator. Air samples were collected using a Surface Isolation Flux Chamber and the "bag-in-vacuum chamber" techniques, at 0.5, 1.5 and 2.5 hours after manure application. A three-station forced-choice dynamic dilution olfactometer was used by an odor panel for determining odor concentration. Preliminary results indicated that with the sub-surface deposition system applicator odor emission rate was reduced by 8% to 38% compared to that of the conventional splash-plate applicator. The highest reduction in odor strength and odor emission rate was observed in the most offensive period after manure application. The sub-surface deposition system may be a solution for hog producers who wish to reduce odor complaints from applying manure without the cost and problems associated with deep injection systems.

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 enseignants0,000
Score d'incertitude au seuil0,001

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)0,0000,000

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 Opus0,083
Tête enseignante GPT0,325
Écart entre enseignants0,242 · 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

Citations24
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Science and Health Part BMême sujetOdor and Emission Control TechnologiesTravaux en français237 207