C and N Mineralization Dynamics in Composts: Prediction of Soluble Organic Carbon by Multiple Nonlinear Regression

• Conde-Barajas, Eloy ^[1] ; Bedolla-Rivera, Héctor Iván ^[1] ; Negrete-Rodríguez, María de la Luz Xóchilt ^[1] ; Galván-Diaz, Sandra Lizeth ^[1] ; Samaniego-Hernández, Midory ^[1] ; Gámez-Vázquez, Francisco Paúl ^[2]
  1. [1] Laboratorio de Biotecnología Ambiental, Departamento de Ingeniería Bioquímica y Ambiental, Tecnológico Nacional de México/IT en Celaya, Celaya, Guanajuato, México
  2. [2] Campo Experimental Bajío, INIFAP, Celaya, Guanajuato, México
• Localización: Renewable Energy, Biomass & Sustainability, ISSN-e 2683-2658, Vol. 3, Nº. 2, 2021, págs. 69-74
• Idioma: inglés
• Títulos paralelos:
  • Dinámicas de Mineralización de C y N en Compostas: Predicción de Carbono Orgánico Soluble por Regresión no Lineal Múltiple
• Enlaces
  • Texto completo (pdf)
  • Texto completo
• Resumen
  • español

    Los biosólidos urbanos presentan una concentración considerable de nutrientes, actualmente son desperdiciados y depositados en rellenos sanitarios provocando contaminación ambiental. En el presente estudio se emplea una técnica de reducción de dimensionalidad para seleccionar indicadores con una relación mayor en su variabilidad. Posteriormente utilizar un proceso de regresión no lineal multivariable para establecer una ecuación que permita predecir el comportamiento del indicador carbono orgánico soluble en sistemas de compostaje de biosólidos. Los indicadores con mayor relación con la variabilidad de los datos analizados fueron N-NO3-, N-NH4+/N-NO3- y IES. El modelo resultante presentó una correlación solo del 30% con el indicador carbono orgánico soluble en los sistemas de compostaje.

  • English

    Urban biosolids present a considerable concentration of nutrients, which are currently wasted and deposited in landfills causing environmental contamination. In the present study, a dimensionality reduction technique is used to select indicators with a higher relationship in their variability. Subsequently, a multivariate nonlinear regression process is used to establish an equation that allows predicting the behavior of the soluble organic carbon indicator. The indicators with the greatest relationship with the variability of the data analyzed were N-NO3-, N-NH4+/N-NO3- and IES. The resulting model presented a correlation of 30% with the soluble organic carbon indicator in the composting systems.