Methane reductions with gypsum and SOP® lagoon additives in liquid manure
Notice bibliographique
Résumé
The agriculture industry is an important source of greenhouse gas emissions globally with livestock production being a main contributor. Therefore, there is a need to reduce methane (CH 4 ) emissions from livestock production, including liquid manure storages. Using an additive that decreases methanogenesis is one approach currently being considered. This study tests two additives: SOP ® Lagoon (a commercial additive) and a commonly used, local fertilizer, gypsum. The objective was to determine the capability of the two products to reduce CH 4 emissions. Tests were done at 24°C in the laboratory with multiple rates of the additives (100, 1,000, 5,000 and 10,000 g/m 3 ). Methane produced by untreated dairy manure (control) was compared to manure with addition of gypsum or SOP ® Lagoon over 162 days. Results showed that peak CH 4 reduction occurred between 20 and 30 days, then declined. The lowest dose of both additives (100 g/m 3 ) did not significantly reduce CH 4 over the duration of the study. Efficacy increased non-linearly with an increasing dose up to 5,000 g/m 3 . After 30 days, CH 4 reduction decreased by 32, 73, 74% for SOP ® Lagoon rates 1,000, 5,000, 10,000 g/m 3 , and 20, 60, and 63% for gypsum. Both SOP ® Lagoon and local gypsum showed similar reduction in methane emissions at similar application rates. This is an indication that farmers can confidently use locally sourced gypsum, a low-cost alternative to the commercial additive, without affecting the overall mitigation potential.
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 | 0,000 | 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 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 ».