MétaCan
Menu
Retour à la cohorte
Enregistrement W2017349254 · doi:10.5539/sar.v3n3p65

A Comparison of the Greenhouse Gas Emissions From the Sheep Industry With Beef Production in Canada

2014· article· en· W2017349254 sur OpenAlexaffvenueabout
J.A. Dyer, X.P.C. Vergé, R. L. Desjardins, Devon E. Worth

Notice bibliographique

RevueSustainable Agriculture Research · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensNational Association of Friendship CentresAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasEmission intensityLivestockEnvironmental scienceProduction (economics)Beef cattleIntensity (physics)Animal scienceAgricultural economicsEcologyBiologyChemistryEconomics

Résumé

récupéré en direct d'OpenAlex

<p>Sheep production in Canada is a small industry in comparison to other livestock systems. Because of the potential for expansion of the sheep industry in Canada, the GHG emissions budget of this industry was assessed in this paper. The GHG emissions from Canadian lamb production were compared with those from the Canadian beef industry using the ULICEES model. The GHG emission intensity of the Canadian lamb industry was 21% higher than lamb production in France and Wales, and 27% higher than northern England. Enteric methane accounts for more than half of the GHG emissions from sheep in Canada. The protein based GHG emission intensity is 60% to 90% higher for sheep than for beef cattle in Canada. The GHG emission intensity for sheep in Eastern Canada is higher than for sheep in Western Canada. Protein based GHG emission intensity is more sensitive to the difference between sheep and beef than LW based emission intensity. This paper demonstrated that protein based GHG emission intensity is a more meaningful indicator for comparing different livestock species than live weight (LW) based GHG emission intensity.</p>

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil0,758

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,273
Écart entre enseignants0,257 · 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 tête enseignante, 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

Citations14
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207