MétaCan
Menu
Retour à la cohorte
Enregistrement W1966718980 · doi:10.1111/j.1752-1688.2002.tb01538.x

SOIL EROSION AND GROUND WATER POLLUTION TRADEOFFS FOR NONIRRIGATED FARMING SYSTEMS<sup>1</sup>

2002· article· en· W1966718980 sur OpenAlexaff
Josiah Akinlayo Akinsanmi, Gregory M. Perry

Notice bibliographique

RevueJAWRA Journal of the American Water Resources Association · 2002
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensTrinity Western UniversityWestern University
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceLeaching (pedology)AgriculturePollutionExternalitySoil waterEnvironmental engineeringNitrateProduction (economics)Natural resource economicsSoil scienceEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: Traditional focus on reducing one environmental externality may cause another externality to increase. This article examines the environmental and economic costs of abating soil loss and (or) nitrate leaching through alternative optimal production systems in the nonirrigated farming systems of Northeastern Oregon. Models estimating soil loss and nitrate‐nitrogen leaching rates associated with current production processes, are linked to a Multi‐Objective Programming (MOP) model. The results show that site specific conditions influence the level of abatement expenditures and optimal production strategies to reduce soil loss and leaching rates. Moreover, while existing production strategies are effective in reducing soil loss at little cost, no strategies could be identified to reduce nitrate leaching rate on some soils.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,179
Écart entre enseignants0,170 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAWRA Journal of the American Water Resources AssociationMême sujetWater resources management and optimizationTravaux en français237 207