The use of life‐cycle assessment to evaluate the environmental impacts of growing genetically modified, nitrogen use‐efficient canola
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Agriculture, particularly intensive crop production, makes a significant contribution to environmental pollution. A variety of canola (Brassica napus) has been genetically modified to enhance nitrogen use efficiency, effectively reducing the amount of fertilizer required for crop production. A partial life-cycle assessment adapted to crop production was used to assess the potential environmental impacts of growing genetically modified, nitrogen use-efficient (GMNUE) canola in North Dakota and Minnesota compared with a conventionally bred control variety. The analysis took into account the entire production system used to produce 1 tonne of canola. This comprised raw material extraction, processing and transportation, as well as all agricultural field operations. All emissions associated with the production of 1 tonne of canola were listed, aggregated and weighted in order to calculate the level of environmental impact. The findings show that there are a range of potential environmental benefits associated with growing GMNUE canola. These include reduced impacts on global warming, freshwater ecotoxicity, eutrophication and acidification. Given the large areas of canola grown in North America and, in particular, Canada, as well as the wide acceptance of genetically modified varieties in this area, there is the potential for GMNUE canola to reduce pollution from agriculture, with the largest reductions predicted to be in greenhouse gases and diffuse water pollution.
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.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle