MétaCan
Menu
Retour à la cohorte
Enregistrement W1983984469 · doi:10.1073/pnas.0708300105

Corn-based ethanol production compromises goal of reducing nitrogen export by the Mississippi River

2008· article· en· W1983984469 sur OpenAlexaff
Simon D. Donner, Christopher J. Kucharik

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesU.S. Department of Agriculture
Mots-clésEnvironmental scienceLeaching (pedology)Ethanol fuelAgricultureHypoxia (environmental)EcologySoil waterBiofuelChemistryBiology

Résumé

récupéré en direct d'OpenAlex

Corn cultivation in the United States is expected to increase to meet demand for ethanol. Nitrogen leaching from fertilized corn fields to the Mississippi-Atchafalaya River system is a primary cause of the bottom-water hypoxia that develops on the continental shelf of the northern Gulf of Mexico each summer. In this study, we combine agricultural land use scenarios with physically based models of terrestrial and aquatic nitrogen to examine the effect of present and future expansion of corn-based ethanol production on nitrogen export by the Mississippi and Atchafalaya Rivers to the Gulf of Mexico. The results show that the increase in corn cultivation required to meet the goal of 15-36 billion gallons of renewable fuels by the year 2022 suggested by a recent U.S. Senate energy policy would increase the annual average flux of dissolved inorganic nitrogen (DIN) export by the Mississippi and Atchafalaya Rivers by 10-34%. Generating 15 billion gallons of corn-based ethanol by the year 2022 will increase the odds that annual DIN export exceeds the target set for reducing hypoxia in the Gulf of Mexico to >95%. Examination of extreme mitigation options shows that expanding corn-based ethanol production would make the already difficult challenges of reducing nitrogen export to the Gulf of Mexico and the extent of hypoxia practically impossible without large shifts in food production and agricultural management.

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 enseignants0,056
Score d'incertitude au seuil0,112

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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,042
Tête enseignante GPT0,258
Écart entre enseignants0,215 · 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

Citations409
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetWater-Energy-Food Nexus StudiesTravaux en français237 207