MétaCan
Menu
Retour à la cohorte
Enregistrement W4382399164 · doi:10.3389/fanim.2023.1134817

Dairy manure nutrient recovery reduces greenhouse gas emissions and transportation cost in a modeling study

2023· article· en· W4382399164 sur OpenAlexafffundabout
Xiaoyu Feng, Ward Smith, Andrew VanderZaag

Notice bibliographique

RevueFrontiers in Animal Science · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhosphorus and nutrient management
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésDigestateNutrientManureAnaerobic digestionEnvironmental scienceFraction (chemistry)Greenhouse gasChemistryEffluentNitrous oxideWaste managementPulp and paper industryEnvironmental chemistryMethaneEnvironmental engineeringAgronomyEngineering

Résumé

récupéré en direct d'OpenAlex

Technologies that separate manure or digestate into fractions with different solids and nutrient contents present interesting options to mitigate manure storage emissions (by reducing the quantity of carbon stored anaerobically) and to improve nutrient distribution (by reducing the quantity of water transported with nutrients). In this study, the dairy farm model, DairyCrop-Syst, was used to simulate storage emissions of methane (CH 4 ), nitrous oxide (N 2 O), and ammonia (NH 3 ), and to simulate nutrient distribution for a case-study farm in Canada. The farm used several types of manure processing, including: anaerobic digestion (AD), solid-liquid separation (SLS), and nutrient recovery (NR). Simulations were done with combinations of the above technologies, i.e., a baseline with only AD that produced a single (unseparated) effluent, compared to AD+SLS, and AD+SLS+NR that produced two separate fractions. With AD+SLS+NR, the processing system isolated a solid fraction with a high concentration of N and P, and a liquid fraction containing less nutrients. Compared to the baseline system, the addition of solid liquid separation and nutrient recovery (i.e. SLS+NR) reduced CH 4 emissions from outdoor liquid digestate storage by 87%, with only a small offset from higher N 2 O and NH 3 emissions from storing the solid fraction. The solid fraction was simulated to be transported to fields at least 30 km away from the dairy barns, while the liquid fraction was transported by dragline to fields adjacent to the barn. The advanced nutrient separation system resulted in much lower transport costs for manure nutrients and the ability to transport N and P to greater distances.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,253

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,246
Écart entre enseignants0,230 · 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'étudeSimulation ou modélisation
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

Citations12
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in Animal ScienceMême sujetPhosphorus and nutrient managementTravaux en français237 207