MétaCan
Menu
Retour à la cohorte
Enregistrement W2058156493 · doi:10.1080/10440046.2010.493376

The Protein-based GHG Emission Intensity for Livestock Products in Canada

2010· article· en· W2058156493 sur OpenAlexaffabout
J.A. Dyer, X.P.C. Vergé, R. L. Desjardins, Devon E. Worth

Notice bibliographique

RevueJournal of Sustainable Agriculture · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésLivestockEmission intensityEnvironmental scienceGreenhouse gasIntensity (physics)Agricultural economicsBusinessNatural resource economicsAgricultural scienceEnvironmental protectionChemistryGeographyEconomicsEcologyBiologyForestryPhysics

Résumé

récupéré en direct d'OpenAlex

Assessments of the total greenhouse gas (GHG) emissions and emission intensities had been carried out prior to this analysis for dairy, beef, pork, and poultry in Canada. The GHG emission intensities of these industries were based on different units of food produced. In this paper, the GHG emission intensities of the four livestock industries were compared on the basis of the weight of protein produced. The protein-based emission intensity for beef was almost four times as high as the GHG emission intensity for milk production. The emission intensities of pork production were lower than the emissions from milk production because of lower CH4 emissions. Broilers had the lowest GHG emission intensity of all five livestock commodities. The next lowest GHG intensity was for egg production. The differences between the egg and broiler intensities cannot be attributed to any one GHG. The number of breeding animals that must be maintained in order to produce one animal for slaughter is much higher for cattle than...

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,351
Score d'incertitude au seuil0,859

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,003
Tête enseignante GPT0,176
Écart entre enseignants0,173 · 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'étudeSans objet
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

Citations63
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable AgricultureMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207