Carbon footprint of grain production in China
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Due to the increasing environmental impact of food production, carbon footprint as an indicator can guide farmland management. This study established a method and estimated the carbon footprint of grain production in China based on life cycle analysis (LCA). The results showed that grain production has a high carbon footprint in 2013, i.e., 4052 kg ce/ha or 0.48 kg ce/kg for maize, 5455 kg ce/ha or 0.75 kg ce/kg for wheat and 11881 kg ce/ha or 1.60 kg ce/kg for rice. These footprints are higher than that of other countries, such as the United States, Canada and India. The most important factors governing carbon emissions were the application of nitrogen fertiliser (8–49%), straw burning (0–70%), energy consumption by machinery (6–40%), energy consumption for irrigation (0–44%) and CH 4 emissions from rice paddies (15–73%). The most important carbon sequestration factors included returning of crop straw (41–90%), chemical nitrogen fertiliser application (10–59%) and no-till farming practices (0–10%). Different factors dominated in different crop systems in different regions. To identity site-specific key factors and take countermeasures could significantly lower carbon footprint, e.g., ban straw burning in northeast and south China, stopping continuous flooding irrigation in wheat and rice production system.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle