Potential use of leachate from composted fruit and vegetable waste as fertilizer for corn
Notice bibliographique
Résumé
Composting fruit and vegetable waste from grocery stores on farms is a challenge due to the large quantity of liquid that leaches out. This leachate needs to be characterized for its effects on plant growth and soil. It was acidic with high conductivity; the plant mineral nutrient contents derived from the leachate (in decreasing order) were K, N mainly as ammonium-N, Ca, Mg, Na, and P; the trace elements were quite low. The germination and rootlet growth of cress and corn increased with the dilution of the compost leachate. In greenhouse assays, the compost leachate exhibited phytotoxicity to corn when used at high application rates. The corn leaf area, shoot and root biomass, plant concentrations and uptake of N, P and K were similar among the 20 mM N-fertilized control and the 30–40 m3/ha leachate treatments. In a field study on sandy loam, corn yields and plant uptake of P and K were similar among the mineral fertilized control and split-application leachate treatments applied to meet the P or K requirements of corn. After harvest, the soil pH, conductivity, and total N, P, and K contents were not affected by the leachate treatments. These results demonstrate the opportunity of recycling plant nutrients from compost leachate of fruit and vegetable waste as fertilizer to meet crop nutrient requirements without phytotoxicity and trace elements threats.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».