MétaCan
Menu
Retour à la cohorte
Enregistrement W2980148138 · doi:10.5772/intechopen.84208

Greenhouse Gas Emissions of Agriculture: A Comparative Analysis

2019· book-chapter· en· W2980148138 sur OpenAlexaboutno aff
Dionisio Alfaro Rodríguez

Notice bibliographique

RevueIntechOpen eBooks · 2019
Typebook-chapter
Langueen
DomaineChemical Engineering
ThématiqueOdor and Emission Control Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasAgricultureUnited Nations Framework Convention on Climate ChangeAgrarian societyKyoto ProtocolEnvironmental scienceClimate changeEnvironmental resource managementConventionNatural resource economicsBusinessEnvironmental protectionEnvironmental planningGeographyEconomicsPolitical scienceEcology

Résumé

récupéré en direct d'OpenAlex

Greenhouse gas emissions are accounted by greenhouse gases inventories, which must be produced by common accounting rules, called Guidelines, which are endorsed by the United Nations Framework Convention on Climate Change (UNFCCC). These inventories are fundamental to analyze the impact of agriculture on emissions, and as example of the difficulty and complexity of implementation of the guidelines, a comparative study is made on emissions from Agricultural Soil Management (CRF category 3D source) utilizing biological nitrogen fixation. The analysis carried out for the N2O emissions under this section of the agrarian sector of Spain, Europe, New Zealand, Canada and the USA, inventories and national communications from Argentina and Brazil permit to observe the wide spectrum of approaches and the importance of the management of the accounting rules to be used mainly if we need that the impact of mitigation policies are captured in a direct way by the inventory. New technologies could introduce changes in the rules and can be utilized for reducing emissions, and examples are also analyzed.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,010
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,029
Tête enseignante GPT0,262
Écart entre enseignants0,233 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntechOpen eBooksMême sujetOdor and Emission Control TechnologiesTravaux en français237 207