MétaCan
Menu
Retour à la cohorte
Enregistrement W2798049181 · doi:10.3390/atmos9040139

A Technique for Estimating Greenhouse Gas Exchange Adjacent Cattle Feedlots

2018· article· en· W2798049181 sur OpenAlexafffund
S. M. McGinn, Thomas K. Flesch

Notice bibliographique

RevueAtmosphere · 2018
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueOdor and Emission Control Technologies
Établissements canadiensUniversity of AlbertaAgriculture and Agri-Food Canada
Organismes subventionnairesAlberta Livestock and Meat Agency
Mots-clésEnvironmental scienceGreenhouse gasPlumeNitrous oxideMethaneCarbon dioxideEnvironmental engineeringFeedlotHydrology (agriculture)MeteorologyChemistry

Résumé

récupéré en direct d'OpenAlex

Concentrated animal feeding operations (CAFO) such as open-air beef cattle feedlots are known ‘hot spots’ of emissions of numerous gases including the major greenhouse gases methane, nitrous oxide, and carbon dioxide. Some work has documented CAFOs to derive typical emission factors, but few studies have looked beyond the CAFO to the local landscape to derive the net off-farm emissions. To address the net emissions, the exchange of gases downwind of CAFOs is required, determined in part by the air quality of the gas plume from the CAFO and the characteristics of the underlying surface. Our study measured these downwind fluxes at an open-air beef cattle feedlot using an open-path Fourier Transform Infrared detector and a flux-gradient method. The results showed the dynamic response of fluxes to gas concentration (fresh air or feedlot air) and surface condition (actively growing crop and tilled stubble). These results shed light on the pathways of greenhouse gas flow near a CAFO source, and showed that solely measuring source emissions from a CAFO would lead to errors when developing emission factors.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

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 savante0,0000,000
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 Opus0,019
Tête enseignante GPT0,261
Écart entre enseignants0,242 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAtmosphereMême sujetOdor and Emission Control TechnologiesTravaux en français237 207