MétaCan
Menu
Retour à la cohorte
Enregistrement W2025336354 · doi:10.7451/cbe.2014.56.8.11

Impact of biofuel production on water demand in Alberta.

2015· article· en· W2025336354 sur OpenAlexvenueaboutno aff
Shikhar Singh, Amit Kumar, Siddharth Jain

Notice bibliographique

RevueCanadian Biosystems Engineering · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiofuelProduction (economics)Natural resource economicsEnvironmental scienceAgricultural economicsBusinessPulp and paper industryEconomicsWaste managementEngineeringMicroeconomics

Résumé

récupéré en direct d'OpenAlex

The production of biofuels (e.g., ethanol and biodiesel) requires a significant amount of water during feedstock production, transportation, and its conversion into biofuels. Therefore present study devoted to study the impact of biofuel production on water demand in Alberta. In scenario #1, it is assumed that ethanol is produced from both wheat and wheat straw and that biodiesel is produced from rapeseed. Scenario #2 proposes ethanol production from wheat only and biodiesel production from rapeseed. The water requirements for biofuel production in both scenarios are calculated for Alberta for the year 2025. Data on the current availability of water in Alberta indicate that the Athabasca, North Saskatchewan, and Peace River basins of northern Alberta have enough water to grow crops for the production of biofuels. In 2025, Alberta will have to produce 3,754 million liters of ethanol and 270 million liters of biodiesel to meet the projected levels. If biofuels are produced from the crops grown in the above-mentioned northern river basins, the province of Alberta should be able to meet biofuel demand in 2025 sustainably. The water requirement from these river basins for biofuel production will increase to 5.2%, 0.6%, and 11.6%, respectively, of the natural flow in scenario #1 whereas, for scenario #2, the water requirement from these rivers basins will increase to 5.2%, 2.3%, and 16.1%, respectively, of natural flow. These increases in the requirements are much lower than the possible allowed withdrawal levels.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,180

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,011
Tête enseignante GPT0,186
Écart entre enseignants0,175 · 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

Citations7
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Biosystems EngineeringMême sujetWater-Energy-Food Nexus StudiesTravaux en français237 207