MétaCan
Menu
Retour à la cohorte
Enregistrement W2037012028 · doi:10.1007/s11367-015-0871-1

The Glasgow consensus on the delineation between pesticide emission inventory and impact assessment for LCA

2015· article· en· W2037012028 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueThe International Journal of Life Cycle Assessment · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePesticide and Herbicide Environmental Studies
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceEnvironmental impact assessmentPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose Pesticides are applied to agricultural fields to optimise crop yield and their global use is substantial. Their consideration in life cycle assessment (LCA) is affected by important inconsistencies between the emission inventory and impact assessment phases of LCA. A clear definition of the delineation between the product system model (life cycle inventory—LCI, technosphere) and the natural environment (life cycle impact assessment—LCIA, ecosphere) is missing and could be established via consensus building. Methods A workshop held in 2013 in Glasgow, UK, had the goal of establishing consensus and creating clear guidelines in the following topics: (1) boundary between emission inventory and impact characterisation model, (2) spatial dimensions and the time periods assumed for the application of substances to open agricultural fields or in greenhouses and (3) emissions to the natural environment and their potential impacts. More than 30 specialists in agrifood LCI, LCIA, risk assessment and ecotoxicology, representing industry, government and academia from 15 countries and four continents, met to discuss and reach consensus. The resulting guidelines target LCA practitioners, data (base) and characterisation method developers, and decision makers. Results and discussion The focus was on defining a clear interface between LCI and LCIA, capable of supporting any goal and scope requirements while avoiding double counting or exclusion of important emission flows/impacts. Consensus was reached accordingly on distinct sets of recommendations for LCI and LCIA, respectively, recommending, for example, that buffer zones should be considered as part of the crop production system and the change in yield be considered. While the spatial dimensions of the field were not fixed, the temporal boundary between dynamic LCI fate modelling and steady-state LCIA fate modelling needs to be defined. Conclusions and recommendations For pesticide application, the inventory should report pesticide identification, crop, mass applied per active ingredient, application method or formulation type, presence of buffer zones, location/country, application time before harvest and crop growth stage during application, adherence with Good Agricultural Practice, and whether the field is considered part of the technosphere or the ecosphere. Additionally, emission fractions to environmental media on-field and off-field should be reported. For LCIA, the directly concerned impact categories and a list of relevant fate and exposure processes were identified. Next steps were identified: (1) establishing default emission fractions to environmental media for integration into LCI databases and (2) interaction among impact model developers to extend current methods with new elements/processes mentioned in the recommendations.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,084
Score d'incertitude au seuil0,284

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,047
Tête enseignante GPT0,352
Écart entre enseignants0,305 · 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