(100) Use of Raw and Composted Paper Mill Sludges, Municipal Waste Composts, and Other Waste Ingredients in Container Nursery Substrates
Notice bibliographique
Résumé
Plug-rooted liners of deutzia ( Deutzia gracilis ), dogwood ( Cornus alba `Argenteo-marginata'), forsythia ( Forsythia × intermedia `Lynwood Gold'), and ninebark ( Physocarpus opulifolius ) were grown in 6-L containers. There were 36 different treatment substrates formulated in factorial combinations: two types of paper mill sludge (raw or composted) each at three rates (25%, 33%, or 50%, by volume) mixed with one of three sources of municipal waste compost (cities of Guelph, Toronto, or Waterloo; 25%, 33%, or 50%), and the remainder consisting of one of two base supplements (pine bark or 1-year-old wood chips; 50%, 33%, or 0%). The containers were trickle-irrigated and fertilized with a controlled-release fertilizer. Dogwood (no treatment interaction and responding only to the main effect of compost sources) grew equally well with Toronto and Waterloo composts, but less well with the Guelph compost. Ninebark tended to grow better with Toronto compost, intermediate or similar with Waterloo compost, and least with Guelph compost. Forsythia grew equally well in all bark-based substrates, regardless of sludge type and rate or compost source. With wood-chip-based substrates, however, forsythia grew better with Waterloo than with Guelph compost, and better with raw than with composted sludge when mixed with Toronto compost. Deutzia responded similarly to most substrates, but grew marginally better with raw than with composted paper sludge when Waterloo or Toronto compost was present. Despite these differences in species responses, all plants were of marketable size at the end of the season. There was no sign of nutrient toxicity or deficiency due to any of the substrates.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Expérimental (laboratoire) | low |
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 | 0,000 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».