MétaCan
Menu
Retour à la cohorte
Enregistrement W2169325294 · doi:10.1139/s04-068

Windrow composting of municipal biosolids in a cold climate

2005· article· en· W2169325294 sur OpenAlexfundvenueno aff
Daryl McCartney, Grant Eftoda

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2005
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueComposting and Vermicomposting Techniques
Établissements canadiensnon disponible
Organismes subventionnairesGovernment of CanadaUniversity of Manitoba
Mots-clésBiosolidsEnvironmental scienceCold climateWaste managementMoistureSnowPulp and paper industryEnvironmental engineeringMeteorologyEngineering

Résumé

récupéré en direct d'OpenAlex

This work investigated the technical feasibility of composting digested municipal biosolids using outdoor windrows in an extremely cold climate. Common belief suggested this was not possible because of low ambient temperatures and low biodegradable volatile solids content of the biosolids. Four trials were conducted: (i) batch started in late fall; (ii) batch started in winter; (iii) batch mixed and stored over winter, then started in spring; and (iv) batch mixed with leaves to improve heat generation. All recipes used 2.5 parts wood chips to 1 part biosolids (by volume). All four trials easily met the thermophilic temperatures required by the pathogen reduction criteria. Trial 2 (batch started in winter), however, did not achieve the thermophilic period until the following summer. The results suggest provisions be made for storage of material over winter. This means a 32% increase in area and a doubling of the system-turning capacity are needed. Practical observations included significant heat loss during turning and mixing, snowfall impact on oxygen supply and pile moisture content, wind direction impact on pile temperature profiles, and the impact of large frozen zones that may affect pathogen inactivation efficacy. Key words: municipal sludge, biosolids, windrow composting, pathogens, low temperature, winter.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,733
Score d'incertitude au seuil0,142

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,008
Tête enseignante GPT0,199
Écart entre enseignants0,190 · 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 tête enseignante, 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

Citations20
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetComposting and Vermicomposting TechniquesTravaux en français237 207