MétaCan
Menu
Retour à la cohorte
Enregistrement W3041115998 · doi:10.13031/aim.202000596

<i>Swine Manure: A Geochemical Perspective</i>

2020· article· en· W3041115998 sur OpenAlexaboutno aff

Notice bibliographique

Revue2020 ASABE Annual International Virtual Meeting, July 13-15, 2020 · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMineral Processing and Grinding
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChemistryBicarbonateAmmoniumAmmonium bicarbonateInorganic chemistryNitrogenPotassiumSodiumAmmonium chlorideEnvironmental chemistryMagnesiumEffluentSodium bicarbonateChlorideNutrientManureEnvironmental engineeringAgronomyEnvironmental scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract. Â This study characterized the solution chemistry found in seven swine manure storages in Saskatchewan, Canada in regard to the solution as a source term for potential contaminant transport study and modeling. The species of most concern in EMS seepage is nitrogen. Ammonium nitrogen is the most abundant form of nitrogen and one of the most abundant ions in the EMS effluent studied. Potassium and sodium may be cations of concern as they will likely compete with ammonium for soil exchange sites, which in turn will affect attenuation of ammonium. Bicarbonate and chloride are the most abundant anions (bicarbonate >> chloride). High concentrations of bicarbonate will likely affect precipitation of carbonaceous minerals and may affect solution pH. EMS ponds contain a solution composed of, as a percentage of total molal concentration, 36% ammonium, 36% bicarbonate, 8% potassium, 6% chloride, 5% sodium plus sulphate, calcium, magnesium and other nutrients. Additionally, the solution also contains approximately 6,000 mg/L organic and 9,000 mg/L inorganic carbon and has a near neutral pH. As a result, the solution has a low Eh resulting in nitrogen remaining in the ammonium-N form.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,187
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,006

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 Opus0,018
Tête enseignante GPT0,261
Écart entre enseignants0,243 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2020 ASABE Annual International Virtual Meeting, July 13-15, 2020Même sujetMineral Processing and GrindingTravaux en français237 207