MétaCan
Menu
Retour à la cohorte
Enregistrement W3080224245 · doi:10.1186/s40538-020-00179-3

Role of biochar in promoting circular economy in the agriculture sector. Part 2: A review of the biochar roles in growing media, composting and as soil amendment

2020· review· en· W3080224245 sur OpenAlexaff
Keiji Jindo, Miguel Á. Sánchez-Monedero, Giovanni Mastrolonardo, Yuki Audette, Fábio Satoshi Higashikawa, Carlos Alberto Silva, Kinya Akashi, Claudio Mondini

Notice bibliographique

RevueChemical and Biological Technologies in Agriculture · 2020
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueComposting and Vermicomposting Techniques
Établissements canadiensUniversity of Guelph
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoMinisterio de Ciencia, Innovación y Universidades
Mots-clésBiocharAgricultureRaw materialSlash-and-charAmendmentEnvironmental scienceNatural resource economicsSoil qualityYield (engineering)Circular economyAgricultural engineeringPyrolysisAgroforestryAgronomyWaste managementEconomicsEngineeringSoil waterSoil scienceEcologyMaterials scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Biochar is utilized in modern society for multiple agricultural and environmental purposes in the framework of circular economy. The aims of this study were to review the leading edge of knowledge of studies where biochar was used in the agriculture sector, as an input for growing media, composting and to improve soil physical and chemical properties along with crop yield. Usage of biochar is promising as substitute for peat and in the composting as it reduces N losses, accelerates the process and improves the quality of final composts. The right selection of feedstock and optimization of pyrolysis conditions are key factors to tailor biochar thereby improving soil properties and increasing crop yield. Potential benefits and flaws for the usage of biochar technology in the agricultural domain are broadly reviewed and thoroughly discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,028
Tête enseignante GPT0,243
Écart entre enseignants0,214 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemical and Biological Technologies in AgricultureMême sujetComposting and Vermicomposting TechniquesTravaux en français237 207