Agronomic Performance and Phytochemical Profile of Lettuce Grown in Anaerobic Dairy Digestate
Notice bibliographique
Résumé
Anaerobic liquid dairy digestate is a by-product of dairy waste anaerobic digestion from dairy operations and is associated with environmental risks if not handled properly, particularly nutrient leaching losses, water contaminations, and greenhouse gas emissions. We tested the applications of anerobic digestate (AD) as a biofertilizer and water source in greenhouse vegetable production to integrate food production and industry waste management for sustainable environments. We used a deep water culture system to assess the effects of AD effluent alone, inorganic nutrient solution (NS), and a combination of AD and NS on the growth, yield, and phytonutrient profile and heavy metal contamination assessment of hydroponically produced lettuce. Lettuce produced in AD had a lower leaf area, total chlorophyll content, and fresh biomass; however, it displayed significantly higher chicoric acid (200%), chlorogenic acid (67%), luteolin (800%), quercetin-3-O-β-d-glucuronide (378%), quercetin-3-glucoside (200%), quercetin-3-O-(6″-O-malonyl)-β-D-glucoside (1077%), folate (248%), pantothenic acid (200%), total phenolics (111%), total antioxidants (44%), and soluble sugars (253%) compared to control (inorganic feed). The AD-produced lettuce also showed significantly lower heavy metal bioaccumulation risks associated with the human consumption. Based on various results, we may conclude that AD utilization in hydroponics can offer a sustainable solution to harvest a better lettuce yield, higher phytonutrients, and environmental benefits.
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 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».