MétaCan
Menu
Retour à la cohorte
Enregistrement W2963403942 · doi:10.2134/jeq2018.10.0355

Greenhouse Gas Mitigation through Dairy Manure Acidification

2019· article· en· W2963403942 sur OpenAlexafffund
Vera Sokolov, Andrew VanderZaag, Jemaneh Habtewold, Kari E. Dunfield, Claudia Wagner‐Riddle, Jason J. Venkiteswaran, Robert J. Gordon

Notice bibliographique

RevueJournal of Environmental Quality · 2019
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueOdor and Emission Control Technologies
Établissements canadiensUniversity of GuelphWilfrid Laurier UniversityAgriculture and Agri-Food Canada
Organismes subventionnairesDalhousie UniversityWilfrid Laurier University
Mots-clésManureAmmoniaChemistryGreenhouse gasManure managementNitrous oxideEnvironmental chemistrySulfuric acidNitrogenEnvironmental scienceAnimal scienceAgronomyInorganic chemistry

Résumé

récupéré en direct d'OpenAlex

Liquid dairy manure storages are sources of methane (CH 4 ), nitrous oxide (N 2 O), and ammonia (NH 3 ) emissions. Both CH 4 and N 2 O are greenhouse gases (GHGs), whereas NH 3 is an indirect source of N 2 O emissions. Manure acidification is a strategy used to reduce NH 3 emissions from swine manure; however, limited research has expanded this strategy to reducing CH 4 and N 2 O emissions by acidifying dairy manure. This study compared control dairy manure (pH 7.4) with two treatments of acidified manure using 70% sulfuric acid (H 2 SO 4 ). These included a medium pH treatment (pH 6.5, 1.4 mL acid L −1 manure) and a low pH treatment (pH 6, 2.4 mL acid L −1 manure). Emissions were measured using replicated mesoscale manure tanks (6.6 m 2 ) enclosed by large steady state chambers. Both CH 4 and N 2 O were continuously measured (June–December 2017) using tunable diode laser trace gas analyzers. Ammonia emissions were measured three times weekly for 24 h using acid traps. On a CO 2 equivalent basis, the medium pH treatment reduced total GHG emissions by 85%, whereas the low pH treatment reduced emissions by 88%, relative to untreated (control) manure. Total CH 4 emissions were reduced by 87 and 89% from medium and low pH tanks, respectively. Ammonia emissions were reduced by 41 and 53% from medium and low pH tanks, respectively. Additional research is necessary to make acidification an accessible option for farmers by optimizing acid dosage. More research is need to describe the manure buffering capacity and emission reductions and ultimately find the best approaches for treating farm‐scale liquid dairy manure tanks. Core Ideas Acidification reduced total CO 2 –eq GHGs from liquid dairy manure by 85 to 88%. Total CH 4 emissions were reduced by 87 to 89% from acidified manure. NH 3 emissions were reduced by 41 to 53% from acidified manure. A range of yearly H 2 SO 4 cost was estimated to be Can$6.55 to $19.6 cow −1 .

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 enseignants0,148
Score d'incertitude au seuil0,601

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,019
Tête enseignante GPT0,266
Écart entre enseignants0,247 · 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

Citations28
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental QualityMême sujetOdor and Emission Control TechnologiesTravaux en français237 207