MétaCan
Menu
Retour à la cohorte
Enregistrement W3049234546 · doi:10.19177/rgsa.v9e02020408-424

DEPURAÇÃO DE COMPOSTOS ODORANTES EM EMISSÕES FUGITIVAS DE ATERRO SANITÁRIO UTILIZANDO CAMADA DE COBERTURA CONVENCIONAL E SUBSTRATOS RICOS EM MATÉRIA ORGÂNICA

2020· article· pt· W3049234546 sur OpenAlexaff
Yankha Myllena da Silva Van Tienen, Rafaela Franqueto, Erivelton César Stroparo, Alexandre R. Cabral, Camilo Bastos Ribeiro, Waldir Nagel Schirmer

Notice bibliographique

RevueRevista Gestão & Sustentabilidade Ambiental · 2020
Typearticle
Languept
DomaineChemical Engineering
ThématiqueOdor and Emission Control Technologies
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

O aterro sanitário é uma importante fonte antropogênica de gases odorantes, tanto na forma de emissões fugitivas (pela camada de cobertura) quanto pontuais (drenos). Para a mitigação de emissões desta natureza, o presente trabalho investigou a bio-oxidação passiva de compostos odorantes do biogás de um aterro sanitário sob condições normais e melhoradas, usando solo do aterro (originalmente com baixo teor de matéria orgânica) misturado com dois tipos de substratos: composto (na própria camada de cobertura) e escuma de estação de tratamento de esgotos (como meio filtrante em colunas-piloto). Duas campanhas de análises olfatométricas foram realizadas para cada sistema avaliado, de modo a determinar as concentrações odorantes (em UO.m-3) do gás tratado comparativamente ao biogás bruto. Os resultados mostraram que houve uma grande diferença entre as concentrações odorantes do biogás bruto e das áreas controladas e melhoradas, resultando em eficiências de remoção de odor superiores a 89% para as quatro campanhas. Contudo, não foi verificada diferença estatística entre as áreas controle e enriquecida nas campanhas realizadas mostrando que, para as condições do estudo, apenas a cobertura tradicional do aterro sanitário é suficiente para remoção dos compostos odorantes.

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 enseignants0,001
Score d'incertitude au seuil0,003

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 savante0,0010,000
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 Opus0,026
Tête enseignante GPT0,250
Écart entre enseignants0,224 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Gestão & Sustentabilidade AmbientalMême sujetOdor and Emission Control TechnologiesTravaux en français237 207