Biochar Affects Greenhouse Gas Emissions from Urban Forestry Waste
Notice bibliographique
Résumé
Urban forests are vital to cities because they provide a range of ecosystem services, including carbon (C) sequestration, air purification, and urban cooling. However, urban forestry also generates significant amounts of organic waste, such as grass clippings, pruned tree branches, and fallen tree leaves and woody debris that can contribute to greenhouse gas (GHG) emissions if not properly managed. In this study, we investigated the effect of wheat straw biochar (produced at 500 °C) on GHG emissions from two types of urban forestry waste: green waste (GW) and yard waste (YW), using a 100-day laboratory incubation experiment. Overall, GW released more CO2 than YW, but biochar addition reduced cumulative CO2 emissions by 9.8% in GW and by 17.6% in YW. However, biochar increased CH4 emissions from GW and reduced the CH4 sink strength of YW. Biochar also had contrasting effects on N2O emissions, increasing them by 94.3% in GW but decreasing them by 61.4% in YW. Consequently, the highest global warming potential was observed in biochar-amended GW (125.3 g CO2-eq kg−1). Our findings emphasize that the effect of biochar on GHG emissions varies with waste type and suggest that selecting appropriate biochar types is critical for mitigating GHG emissions from urban forestry waste.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».