MétaCan
Menu
Retour à la cohorte
Enregistrement W3082121099 · doi:10.5539/mas.v14n9p63

The Potentiality of Textile Sludge to be Used as Organic Manure

2020· article· en· W3082121099 sur OpenAlexvenueno aff
Tarek Hossain Raju, Shakil Mahmud, Belayet Hossain, Masrur Sabir Nafee, Sayeda Ariana Ferdous, Md Mohsin Patwary, Mohammad Nazmul Hossen, Shahadat Hossain

Notice bibliographique

RevueModern Applied Science · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOrganic matterEffluentCompostManurePulp and paper industryEnvironmental scienceTextileNutrientHeavy metalsTextile industryEnvironmental chemistryChemistryWaste managementAgronomyEnvironmental engineeringMaterials scienceBiology

Résumé

récupéré en direct d'OpenAlex

Textile Industries of Bangladesh confront the environment a huge threat. It produces a huge amount of sludge from effluent treatment plants that is a burden for industries for its high volume and proper treatment cost thereby a huge threat to the environment. The present study aims to characterize the solid sludge of textile industry in terms of pH, organic matter (OM), nutrient elements (N, P, K) and other metal elements through proper analytical methods. The average pH value of the sludge sample was 8.28 along with moisture content 60.64%. The average content of the OM of the studied sludge samples was 11.73% and the average values of N, P and K were 7.57%, 0.52% and 0.50%, respectively. The studied metal (Cr, Zn Mn, Cd, Pb, As and Cu) content of the sludge revealed that the toxic heavy metals Pb, Cd and As were not found in the samples. This study reveals that the amount of OM, N, P and pH is within the Waste concern compost standard (WCCS). The findings clearly show a potentiality of textile sludge as organic manure as they are rich in OM and plant nutrients and free from toxic heavy metals as well.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,091
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,242
Écart entre enseignants0,220 · 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'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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetHeavy metals in environmentTravaux en français237 207