Olkibiosuodin maatalouden ravinnehuuhtoutumien vähentämisessä ja ravinnekierron tehostamisessa
Bibliographic record
Abstract
Tämän opinnäytetyön tavoitteena oli selvittää olkibiosuodinkäsittelyn vaikutusta ojaveden ravinnepitoisuuksiin sekä oljen toimivuutta suodinkäytössä. Työ oli osa Ravinteet pellossa vaan ei vesistöön -hanketta (Ravinneresurssi). Tutkimus toteutettiin Mustialan opetus- ja tutkimusmaatilan läpi virtaavassa Riuskanojassa.\n\nMaatalous on suurin yksittäinen ihmisten aiheuttama vesistöjen ravinne-kuormittaja ja monenlaisia menetelmiä ravinteiden huuhtoutumisen vähentämiseksi tai kiinniottamiseksi on kehitetty ja kehitteillä. Tärkeimmät huomioitavat ravinteet ovat typpi ja fosfori. Biosuotimia on tutkittu yhte-nä edullisena ja ekologisena vaihtoehtona maatalouden erilaisten ravin-nevalumien sitomisessa. Eloperäisten biosuodinmateriaalien hyötynä on niiden itsessään sisältämät ravinteet biofilmin kasvun edistäjänä sekä niiden jatkohyödyntämisen mahdollisuus.\n\nTyössä testattiin erilaisia olkibiosuodinratkaisuja, ravinteiden sitoutumista olkimateriaaliin ja vaikutusta ojan ravinnepitoisuuksiin. Koejaksojen kesto vaihteli kahdesta kuuteen viikkoon. Tutkittiin myös olkibiosuotimen käyttöä työnaikaisessa kiintoaineksen keruussa.\n\nTyön aikana saatiin kehitettyä toimiva olkibiosuodinratkaisu, jossa oli riittävän hyvä läpivirtaama. Olkibiomassan analyysitulokset osoittivat, että typpeä oli kertynyt suodinmassaan. Olkibiosuotimella ei todettu kuitenkaan selvää vaikutusta ojaveden ravinnepitoisuuksiin. Työnaikaisen kiintoaineksen keruukokeesta saatujen lupaavien tulosten perusteella olkibiosuodin on kiinnostava ratkaisu jatkotutkimuksia ajatellen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.038 | 0.010 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".