MétaCan
Menu
Retour à la cohorte
Enregistrement W2802327938 · doi:10.5539/ijb.v10n3p27

Optimum Dosage of Hyper-Thermophilic Aerobic Compost (HTAC) Produced from Sewage Sludge for Rice Yield

2018· article· en· W2802327938 sur OpenAlexvenueno aff
Yanfei Cheng, Ryuhei Inamori, Kakeru Ruike, Yuhei Inamori, Zhenya Zhang

Notice bibliographique

RevueInternational Journal of Biology · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueComposting and Vermicomposting Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHuman fertilizationCompostFertilizerSewage sludgeAnimal scienceThermophileYield (engineering)AgronomyChemistryBiologySewageEnvironmental scienceEnvironmental engineeringBiochemistryMaterials scienceEnzyme

Résumé

récupéré en direct d'OpenAlex

Hyper-thermophilic bacteria can shorten the duration of composting process. This study aimed to elucidate the applicability and the optimum fertilization amount of hyper-thermophilic aerobic compost (HTAC) for rice growth and yield. The stem height, tillers number and rice yields in the treatments with HTAC significantly increased with increasing fertilization amount. But the ripening rate of grain was found to be lower at higher fertilization amount (250 and 500 kg N/ha). The rice yield in 180 kg N/ha HTAC treatment was 5.38 t/ha, which is similar with that using recommended amount of chemical fertilizer. The N and P concentrations in surface water of 180 kg N/ha HTAC treatment before midsummer drainage were lower than 1 mg/L and 0.1 mg/L, reaching the environmental quality standard. Thus, the optimal fertilization amount of HTAC was deemed as 180 kg N/ha when considering the plant quality and environmental friendliness.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,210

Scores Codex et Gemma par catégorie

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 ouverte0,0010,000
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 Opus0,041
Tête enseignante GPT0,292
Écart entre enseignants0,251 · 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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of BiologyMême sujetComposting and Vermicomposting TechniquesTravaux en français237 207