MétaCan
Menu
Retour à la cohorte
Enregistrement W3020994557 · doi:10.13031/aea.32.11703

Detailed Design of Respiratory Chamber that Provides Highly Accurate Measurements of Enteric Methane Emissions

2016· article· en· W3020994557 sur OpenAlexfundno aff
F. Tremblay, Daniel I. Massé

Notice bibliographique

RevueApplied Engineering in Agriculture · 2016
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueOdor and Emission Control Technologies
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Dairy CommissionAmerican Society of Clinical Oncology
Mots-clésMethaneGreenhouse gasMethane emissionsCarbon footprintManureEnvironmental scienceManure managementIsotopologueCarbon dioxideEnvironmental engineeringChemistryAnimal scienceAgronomyBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract. Quantification of enteric methane emissions from dairy cows has become an important issue for the dairy industry in order to precisely establish the carbon footprint of dairy products. Enteric and manure methane emission and feed production are the main GHG emissions sources of the dairy supply chains. Diet amendment has the potential to reduce enteric methane emission. In order to assess the enteric methane emission levels for standard and improved diets, researchers need accurate measurement methods. This research and development project proposed a concept of respiratory chamber to measure enteric methane emissions from dairy cows. The accuracy of the system was determined to be ±3% over a range of 0 to 50 g CH4 h-1. Given the frequency of measurements over 24 h, the observed error in daily methane emissions represents less than ±1% of a cows average emissions. This level of accuracy makes it possible to conduct experiments and quantitatively assess the impact of improved feeding practices on enteric methane emissions.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,038
Tête enseignante GPT0,230
Écart entre enseignants0,193 · 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
GenreMéthodes

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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Engineering in AgricultureMême sujetOdor and Emission Control TechnologiesTravaux en français237 207