MétaCan
Menu
Retour à la cohorte
Enregistrement W4382863374 · doi:10.3390/agriculture13071331

Effect of Bamboo Vinegar on Control of Nitrogen Loss in Vegetable Waste and Manure Composting

2023· article· en· W4382863374 sur OpenAlexaff
Cenwei Liu, Yi Lin, Jing Ye, G.W. Price, Yixiang Wang

Notice bibliographique

RevueAgriculture · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueComposting and Vermicomposting Techniques
Établissements canadiensDalhousie University
Organismes subventionnairesFujian Academy of Agricultural Sciences
Mots-clésCompostDenitrifying bacteriaGreen wasteChicken manureMicrobial inoculantBambooFood scienceNitrosomonasManureNitrogenChemistryProteobacteriaPulp and paper industryEnvironmental scienceAgronomyBacteriaBiologyNitrificationDenitrificationBotanyHorticultureInoculation16S ribosomal RNA

Résumé

récupéré en direct d'OpenAlex

The large-scale generation of vegetable waste in China has become a significant environmental concern. The traditional method of composting results in high nitrogen losses during the process and in the final product. To address this issue and shorten the composting period, this study investigated the effects of bamboo vinegar (BV) and a microbial inoculant (MI) on the physical and chemical properties of the compost and bacterial community composition during the composting process. The results revealed that the addition of BV and BV + MI decreased the time required to reach thermophilic temperatures and conserved nitrogen in the final product. Furthermore, it was found that the dominant nitrifying and denitrifying bacteria, as identified through 16S rDNA analysis, belonged to Nitrosomonas and Proteobacteria, respectively. BV and BV + MI reduced NH3 and N2O emissions, which suggested that BV is a beneficial composting agent that preserves nitrogen during the composting process.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,192
Score d'incertitude au seuil0,220

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,215
Écart entre enseignants0,209 · 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'étudeExpérimental (laboratoire)
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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgricultureMême sujetComposting and Vermicomposting TechniquesTravaux en français237 207