Reduction in the Emission Rate of Greenhouse Gases and the Increase in Crop Production by Using Compost on Marginal Land
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Greenhouse gases dominated by CO2, CH4, CFC, and N2O come from human (anthropogenic) activities. Efforts to increase the production of rice and corn crops require organic and inorganic fertilizers. The use of chemical fertilizers, which can increase greenhouse gas emissions, is higher than that of organic fertilizers. This study aimed to investigate the reduction in the greenhouse gas emission rate and the increase in crop production caused by organic fertilizer from rice straw and cocoa peel, a community-based sustainable development approach based on education. This research used the mixed method, a descriptive and simple experimental design with the following treatments: t0 = without Compost; ta = straw rice compost dosage of 3 t ha-1; tb = cocoa pod husk dosage of 3 t ha-1; Bta = maize crops + without compost (t0); Btb = maize crops + cocoa pod husk compost (tb); Sta = bare soil + without compost (t0); Stb = rice crops + straw compost (ta); Stc = rice crops + cocoa pod husk compost (tb); and Std = rice crops + without compost (t0). The application of compost reduced agricultural waste and greenhouse gas emissions of CH4 and N2O in both maize and rice fields. Greenhouse gas emissions were reduced by 30 percent compared to those under the application of chemical fertilizers. The utilization of compost as organic fertilizer also increased the production of corn and rice crops compared to that without the application of agricultural waste up to 10.3 tons per ha.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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