Characterisation of food waste and bulking agents for composting
Notice bibliographique
Résumé
The characterization of food waste (FW) and locally available bulking agents (BA) are a prerequisite to optimizing compost recipes.\nThis study measured the variation in FW characteristics (pH, dry matter (DM), carbon (C), wet bulk density and Total Kjeldahl Nitrogen\n(TKN)) produced by a restaurant and a community kitchen in downtown Montreal, Canada from May to August 2004. The project\nalso measured the mass of FW produced by another restaurant and a group of 2048 households, from June to August 2004. Locally\navailable BA (hay, straw, pine wood shavings, cardboard, left over cattle feed and wheat residue pellets) were also characterized to formulate composting recipes based on the FW characteristics observed during a period representative of winter and summer conditions.\nResidential and restaurant FW characteristics varied significantly over the summer months, although the mass produced remained constant\nat 0.61 and 0.56 kg capita1 day1, respectively. In addition, the number of customers served by the restaurant increased by nearly\n50% from June to August. The BA with the highest moisture adsorption capacity was found to be the wheat residue pellets, followed by\nchopped straw. Wheat residue pellets, chopped hay and left over cattle feed all presented a balanced C/N ratio. Wheat residue pellets and wheat straw, chopped hay and cardboard demonstrated neutral pH values. Based on the variable FW characteristics and monthly production rates, the formulation of recipes indicates that compost facilities must be flexible enough to handle seasonal variations of as\nmuch as 50% by volume.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,003 |
| 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 ».