Report on a scoping study for an agro-ecosystem indicator of the risk of water contamination by pathogens from agricultural operations
Notice bibliographique
Résumé
Sustainable use of Canada's natural resources by the agri-food sector requires both the benchmarking of the magnitude of those resources and continued monitoring of their quality. A further step required is the development of management practices and their implementation at locations of greatest vulnerability. Freshwater resources in agricultural regions are important for continued primary production, but also because the water is commonly used for recreational purposes, provides the basis for fisheries, is harvested from these regions for potable supplies used by municipalities, and provides a varied habitat for plants and animals. Establishing vulnerable locations and providing a minimum level of water quality monitoring is expensive, and identifying likely beneficial management practices across the country requires considerable effort. Remote sensing techniques coupled with simulation modelling offers the most effective means of achieving these objectives, but our knowledge of many processes that result in the contamination of surface and ground water resources at the watershed and regional level is still rudimentary in many cases (Goss, 1994). Another approach is to identify and develop indicators that combine elements of the processes that contribute to contamination with some simple measures of the potential for contamination (Girardin et al.,1999). This report considers the information requirements to develop an agroecosystem indicator that assesses the risk that pathogens from one or more agricultural operations may contaminate water resources. It consists of three major sections: the first is a review of the literature that identifies the potential sources of pathogens on agricultural operations, and the relative importance of those sources in leading to degradation of water resources, the second part deals with the activities underway in organizations other than agricultural departments in Canada, and in jurisdictions outside of Canada, the third section considers elements and critical control points from the literature review, and comments on existing or planned indicator frameworks-for other AEIs that could contribute to a pathogen AEI.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,053 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,020 | 0,016 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».