MétaCan
Menu
Retour à la cohorte
Enregistrement W2318685647 · doi:10.4296/cwrj3702930

Estimating the Incremental Gross Margins due to Irrigation Water in Southern Alberta

2012· article· en· W2318685647 sur OpenAlexafffundvenueabout
K. K. Klein, Yan Wen, Danny G. G. Le Roy

Notice bibliographique

RevueCanadian Water Resources Journal / Revue canadienne des ressources hydriques · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Policy
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesAlberta Water Research Institute
Mots-clésGross marginHectareIrrigationMargin (machine learning)CroppingGross domestic productAgricultureHydrology (agriculture)Environmental scienceGeographyGeologyAgronomyEconomics

Résumé

récupéré en direct d'OpenAlex

In this study, the gross margins (above variable costs) are estimated in Canadian dollars of 16 important irrigated crops in Southern Alberta over the years 2004 to 2008. The residual method is then used to estimate the total incremental gross margins (gross margins from irrigated crops minus estimated gross margins from dryland crops had irrigation not been available) of using water to irrigate agricultural crops in four sub-basins in Southern Alberta over those years. The annual incremental gross margins averaged $244 million (in 2008 Canadian dollars) per year and varied from a low of $218 million in 2007 to a high of $271 million in 2005. On a per hectare planted basis, the annual average gross margin from irrigated cropping was $590 and the incremental gross margin was $495. The average annual gross margin and incremental gross margin per 1000 m3 were $225 and $191, respectively.

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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,923
Score d'incertitude au seuil0,883

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,016
Tête enseignante GPT0,193
Écart entre enseignants0,177 · 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'étudeQualitatif
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

Citations6
Publié2012
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Water Resources Journal / Revue canadienne des ressources hydriquesMême sujetAgricultural Economics and PolicyTravaux en français237 207