MétaCan
Menu
Retour à la cohorte
Enregistrement W3014050840

REALTIONSHIP BETWEEN GREEN HOUSE GAS EMISSION AND PRODUCTIVITY OF FOOD GRAINS IN INDIA -2000-2016

2020· article· en· W3014050840 sur OpenAlexaboutno aff
S. Seethalakshmi

Notice bibliographique

RevueStudies in Indian Place Names · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTonneGreenhouse gasChinaProductivityAgricultural economicsGeographyEnvironmental scienceEnvironmental protectionEconomic growthEconomicsEcology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The green house gas emission includes carbon emission, nitrous oxide emission and methane emission. The above green house gases are the major factors for climate change. The top 15 countries which generate carbon emission are China, United States, India, Iron, Saudi Arabia, South Korea, Canada, Mexico, Indonesia, Brazil, South Africa and Turkey in the world economies. In 2017, China is the first important country in emitting the carbon di oxide. It alone emitted 9839 metric tonnes in 2017. The share of China in the world carbon emission was 27.2 percentage in 2017. Next to China, United states was the second important country which emitted 5269 metric tonnes in 2017. The share of United States in the total carbon emission was the 14.6 percentage. India emitted 2467 metric tonnes. The share of India in the world emission was 6.8 percentage. It showed that India was the third largest country in emitting the carbon di oxide followed by Iron, Saudi Arabia, South Korea, Canada, Mexico, Indonesia, Brazil, South Africa and Turkey (World Bank, 2018). The green house gases are the major factors contributing for crop growth and food grains production. The studies(Yinhong Kang,Shahbaz Khan ,Xiaoyi Ma 2009 ) are attempted to assess the relationship between green house gas emission and food grains productivity in various time period. In this back drop, an attempt is made to assess the impact of green house gases on food grains productivity in India. The findings of the study show that *The green house gas emission has shown an increasing trend. * The growth of carbon emission is higher than the other green house gases. *The relationship between carbon emission and food grains productivity is statistically significant. The increase in carbon emission would increase the productivity of food grains only up to a certain stage, beyond that, the increase in carbon emission would reduce the productivity of food grains.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,085
Score d'incertitude au seuil0,725

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,037
Tête enseignante GPT0,275
Écart entre enseignants0,238 · 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 tête enseignante, 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in Indian Place NamesMême sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207