MétaCan
Menu
Retour à la cohorte
Enregistrement W2248998255 · doi:10.24102/ijes.v3i1.446

Biofuel Research in Canada: Some Results from Eastern Ontario

2014· article· en· W2248998255 sur OpenAlexaffvenueabout
A. Tubeileh, Tim Rennie, Shamel M. Alam‐Eldein

Notice bibliographique

RevueInternational Journal of Environment and Sustainability · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBioenergy crop production and management
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésBiofuelGeographyBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Depleting non renewable fuel resources and environmental concerns have renewed interest in sustainable environment-friendly biofuel resources. While one of the oldest sources of energy, crops occupy a large piece in the puzzle for future energy supplies. Several bioenergy projects have been launched at Kemptville since 2008 to study production potential and challenges with respect to varietal effects, nutrient requirements, mineral concentration in tissues, weed management and final product quality. The crops studied could be categorized into 3 different groups; biomass crops (perennial biomass grasses and woody species), biodiesel crops and ethanol crops. The objective of this paper it to report the effects of nitrogen (N) levels on biomass production from switchgrass ( Panicum virgatum L.), big bluestem ( Andropogon gerardii Vit.) indiangrass ( Sorghastrum nutans Nash.) and Miscanthus ( Miscanthus sinensis x M. sacchariflorus ). Our results on prairie perennial grasses indicate that it is possible to produce up to 10 Mg dry biomass/ha/yr with minimal nitrogen input (up to 50 kg/ha). At these levels, a sustainable and efficient production can be achieved. For Miscanthus, assuming a 100% establishment and winter survival rates, Miscanthus stands will be able to produce >40 Mg dry biomass/ha/yr at 120 kg N/ha. Our research helps producers make informed decisions with regard to species selection, seeding rates, fertilizer rates, expected yields and energy values of little-known bioenergy crops.

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)0,000
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 enseignants0,340
Score d'incertitude au seuil0,342

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0000,000
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 Opus0,024
Tête enseignante GPT0,236
Écart entre enseignants0,211 · 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

Citations3
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environment and SustainabilityMême sujetBioenergy crop production and managementTravaux en français237 207