MétaCan
Menu
Retour à la cohorte
Enregistrement W3161793140 · doi:10.1002/jeq2.20252

Understanding methane emission from stored animal manure: A review to guide model development

2021· review· en· W3161793140 sur OpenAlexaff
Frederik Rask Dalby, Sasha D. Hafner, Søren O. Petersen, Andrew VanderZaag, Jemaneh Habtewold, Kari E. Dunfield, Martin H. Chantigny, Sven G. Sommer

Notice bibliographique

RevueJournal of Environmental Quality · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensUniversity of GuelphAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésManureMethaneAnimal wasteEnvironmental scienceMethane emissionsWaste managementEnvironmental chemistryEnvironmental engineeringEcologyEngineeringChemistryBiology

Résumé

récupéré en direct d'OpenAlex

Abstract National inventories of methane (CH 4 ) emission from manure management are based on guidelines from the Intergovernmental Panel on Climate Change using country‐specific emission factors. These calculations must be simple and, consequently, the effects of management practices and environmental conditions are only crudely represented in the calculations. The intention of this review is to develop a detailed understanding necessary for developing accurate models for calculating CH 4 emission from liquid manure, with particular focus on the microbiological conversion of organic matter to CH 4 . Themes discussed are (a) the liquid manure environment; (b) methane production processes from a modeling perspective; (c) development and adaptation of methanogenic communities; (d) mass and electron conservation; (e) steps limiting CH 4 production; (f) inhibition of methanogens; (g) temperature effects on CH 4 production; and (h) limits of existing estimation approaches. We conclude that a model must include calculation of microbial response to variations in manure temperature, substrate availability and age, and management system, because these variables substantially affect CH 4 production. Methane production can be reduced by manipulating key variables through management procedures, and the effects may be taken into account by including a microbial component in the model. When developing new calculation procedures, it is important to include reasonably accurate algorithms of microbial adaptation. This review presents concepts for these calculations and ideas for how these may be carried out. A need for better quantification of hydrolysis kinetics is identified, and the importance of short‐ and long‐term microbial adaptation is highlighted.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0030,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,213
Tête enseignante GPT0,361
Écart entre enseignants0,149 · 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

Citations71
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental QualityMême sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207