Strategies for phosphorus recovery in livestock operations: Assessing decentralized and distributed recovery systems
Notice bibliographique
Résumé
Phosphorus recovery and recycling are crucial to ensure the sustainable supply of this resource while preserving soils and water bodies. Livestock operations are a major source of phosphorus releases through manure generation. Manure storage and over-application may result in the transportation of phosphorus to water bodies by runoff, leading to nutrient pollution. However, their lack of economies of scale and spatial scattering hinders phosphorus recovery at livestock operations. To address these issues, this work explores the implementation of decentralized and distributed strategies for phosphorus recovery at livestock operations through manure processing centers and mobile processing units, respectively. A multi-objective optimization model is developed to design optimal networks for each strategy studied considering environmental and economic aspects. The optimal location of processing centers is determined according to the processing capacity of each phosphorus recovery technology, the location of the livestock operations, and the manure generated by each operation. The decentralized and distributed strategies for phosphorus recovery are assessed using the State of Minnesota in the USA as a case study. Phosphorus recovery can be performed using a decentralized recovery system with minimum greenhouse gas emissions, resulting in an investment cost of 45 million USD. Nevertheless, integrating a distributed phosphorus recovery approach based on mobile units in the decentralized system results in a more cost-effective recovery strategy. This strategy is also estimated to reduce the cost of phosphorus recovery at livestock operations to 23 million USD.
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 | 0,001 | 0,001 |
| 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 ».