GIS Decision Support System to Evaluate U.S. and Canada Field Study Areas for Pesticides
Notice bibliographique
Résumé
A Geographic Information System (GIS) decision support system (DSS) was developed to help identify comparable field study areas for assessing pesticide dissipation under field conditions in the U.S. and Canada. The NAFTA GIS project is a collaborative effort of the United States Environmental Protection Agency (USEPA), U.S. Department of Agriculture Natural Resources Conservation Service (USDA/NRCS), Health Canada, and Agriculture and Agri-food Canada (AAFC). The GIS model utilizes North American ecological regions (CEC Ecoregions Level 2 Map), geospatial soil and agricultural crops databases, and climatic information. The soils information is based on the AAFC Soil Landscapes of Canada (SLC) and the USDA/NRCS State Soil Geographic (STATSGO) Data Base. Agricultural crops information was obtained from Canada's 1996 Census of Agriculture and the U.S. 1992 Census of Agriculture. Comparable field study areas in the U.S. and Canada can be investigated using geospatial environmental parameters in the GIS database, environmental fate and transport properties of pesticides and the conceptual pesticide dissipation model derived from laboratory fate studies. This chapter discusses the project's application for examining the geographic distribution of field study locations, and some of the limitations associated with spatial data resolution.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».