MétaCan
Menu
Retour à la cohorte
Enregistrement W3198430953 · doi:10.82308/26574

Urban food waste composting

2005· article· en· W3198430953 sur OpenAlexaboutno aff
Bijaya Adhikari

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2005
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Waste Reduction and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFood wasteUrban wasteWaste managementEnvironmental scienceBusinessMunicipal solid wasteEngineering

Résumé

récupéré en direct d'OpenAlex

In this thesis, a study was undertaken on the premise that the world population living in urban centers is expected to increase from 3.8 billion to 5.2 billion, from 2005 to 2025, representing 54% and 65% of total world population, respectively. The urban population (UP) growth will produce remarkable amounts of urban food waste (UFW) that will add more pressure on already overloaded municipal solid waste (MSW) management systems of cities. This problem is more serious in countries experiencing major economic growth such as China where UP is expected to increase from 44% to 66% of the total country population, from 1995 to 2025. Asia produces the largest amount of UFW, which is expected to increase from 251 million ton to 418 million ton (45% to 53% of total world UFW) from 1995 to 2025. On site treatment of UFW along with a limited movement of world population from rural to urban areas are suggested to reduce pressure on MS W management system for the upcoming decades. In this thesis, a project was also undertaken to develop compost recipes for urban center such as downtown Montreal. Monthly (June to August) average residential FW production was found to 0.61 (+/-0.13) kg capita-1 day-1 and that of a restaurant was found to be 0.56 (+/-0.23) kg customer-1 day-1. From trial tests, the best compost recipes mixed 8.9 kg, 8.6 kg and 7.8 kg of UFW for every kg of wheat straw, hay and wood shaving, on a wet mass basis. However, quantity and characteristics of FW vary from one month to another; therefore, regular adjustment of compost recipe is recommended. When using wood shavings as bulking agent, it is strongly recommended to correct the acid pH.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,815
Score d'incertitude au seuil0,968

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 technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,020
Tête enseignante GPT0,209
Écart entre enseignants0,189 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations7
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetFood Waste Reduction and SustainabilityTravaux en français237 207