MétaCan
Menu
Retour à la cohorte
Enregistrement W3008406145 · doi:10.1002/jeq2.20029

Gas emissions during cattle manure composting and stockpiling

2020· article· en· W3008406145 sur OpenAlexaff
Mei Bai, Thomas K. Flesch, Raphaël Trouvé, Trevor Coates, Clayton R. Butterly, Bhawana Bhatta, J. Hill, Deli Chen

Notice bibliographique

RevueJournal of Environmental Quality · 2020
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueOdor and Emission Control Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesMeat and Livestock Australia
Mots-clésManureEnvironmental scienceWaste managementCompostAnimal wasteAgronomyBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Manure composting is a common management practice for cattle feedlots, but gaseous emissions from composting are poorly understood. The objective of this study was to quantify ammonia (NH 3 ), nitrous oxide (N 2 O), carbon dioxide (CO 2 ), and methane (CH 4 ) emissions from windrow composting (turning) and static stockpiling (nonturning) of manure at a commercial feedlot in Australia. An inverse‐dispersion technique using an open‐path Fourier transform infrared (OP–FTIR) spectrometer gas sensor was deployed to measure emissions of NH 3 , N 2 O, CO 2 , and CH 4 over a 165‐d study period, and 29 and 15% of the total data intervals were actually used to calculate the fluxes for the windrow and stockpile, respectively. The nitrogen (N) lost as NH 3 and N 2 O emissions represented 26.4 and 3.8% of the initial N in windrow, and 5.3 and 0.8% of that in the stockpile, respectively. The carbon (C) lost as CO 2 and CH 4 emissions represented 44 and 0.3% of the initial C in windrow, and 54.8 and 0.7% of that in the stockpile, respectively. Total greenhouse gas (GHG) emissions from the manure windrow were 2.7 times higher than those of the stockpiled manure. This work highlights the value that could be accrued if one could reduce emissions of NH 3 –N and N 2 O‐N from composting, which would retain manure N content while reducing GHG emissions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,011
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0000,000

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 Opus0,027
Tête enseignante GPT0,264
Écart entre enseignants0,237 · 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 source (Gemma direct ou Codex distillé), 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

Citations57
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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