Pesticide Risk Reduction on Crops in the Province of Ontario
Notice bibliographique
Résumé
We analyzed the changes in pesticide use and risk in the Province of Ontario, Canada, from 1973 to 1998 to monitor the success of Food Systems 2002, a program to reduce pesticide use by 50%. Pesticide risk was calculated by multiplying the amount of pesticide used (kilograms of active ingredient) by the Environmental Impact Quotient (EIQ), a score for the potential risk of pesticides to farmworkers, consumers, and the environment. Pesticide use increased by 46% from 1973 to 1983. From 1983, the baseline year for Food Systems 2002, to 1998, pesticide use decreased by 38.5% and risk declined 39.5%. The reductions in pesticide use and risk were primarily on corn (Zea mays L.) and tobacco (Nicotiana tabacum L.), the crops with the highest pesticide use in 1983. Total pesticide use on soybean [Glycine max (L.) Merr.] did not change, but the mean application rate (kg ha(-1)) decreased by 57%. Corn and soybean account for 65% of pesticide use, but have a relatively low pesticide use and risk per hectare and per tonne of production. Total pesticide use on tobacco, fruits, and vegetables was lower than on corn or soybean, but the pesticide use and risk per hectare were much higher. Small reductions in pesticide use on corn and soybean may allow a 50% reduction in pesticide use, but greater reductions in risk can be achieved by reducing the use of "high risk" pesticides on fruit and vegetables.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».