MétaCan
Menu
Retour à la cohorte
Enregistrement W2606484584

Agricultural production and pollutant runoffs in QuŽbecÕs Chaudi re river watershed: what are the potential environmental gains?

2016· article· en· W2606484584 sur OpenAlexaboutno aff
Lota D. Tamini, Bruno Larue, Gale E. West, Moise K.Ndegue Fongue

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEfficiency Analysis Using DEA
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceWatershedAgriculturePollutantSurface runoffProductivityAgricultural productivityLivestockPhosphorusWater qualityWater resource managementEnvironmental engineeringEnvironmental protectionGeographyEcologyForestryEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Despite imposition of strict environmental standards in Quebec, the impact of agricultural activities on water quality remains a concern, particularly in the Chaudi re-Appalaches region.This regionÕs intensive animal and plant productions lead to excess phosphorus, nitrogen and sediments.This paper analyzes the environmental efficiency of agricultural producers in the Chaudi re river watershed, located south of Quebec City. We adopt a stochastic approach applied to parametric distance functions to data collected from 210 farms. Results show that, on average, crop producers are more efficient than livestock producers. In terms of emissions of phosphorus and nitrogen, the environmental efficiencies of producers are similar, at 0.804 and 0.820 respectively.For sediment runoff, however, the environmental efficiencies are lower on average, at 0736. Overall, the agricultural producers from this watershed could have achieved productivity gains in excess of 20%, while simultaneously reducing their emissions of pollutants.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,141
Score d'incertitude au seuil0,284

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,033
Tête enseignante GPT0,279
Écart entre enseignants0,245 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEfficiency Analysis Using DEATravaux en français237 207