Developing a Software Tool to Estimate Food Transportation Carbon Emissions
Notice bibliographique
Résumé
Food transportation is an increasingly important consideration to total food sustainability in a rapidly globalizing world. To maintain the efficiency of regionalized production, food travels great distances to the consumer’s plate. While this long-distance sourcing is often more sustainable from a production standpoint, the routes from origin to consumer are frequently unoptimized. To reduce emissions due to transportation, many have tried to limit the miles travelled by food items. However, the mode of travel is an equally important factor. Different modes produce vastly different emissions over equivalent distances. To effectively model these routes, a set of transportation emissions estimation tools has been created. This program uses an Excel interface to allow users to input key factors (like cargo mass, origin, and destination) and experiment with different modes and routes of travel to find the optimal transportation system for their application. This program may be used to analyze or improve the total life cycle analysis of a variety of products. In a case of the comparison of transportation modes, a salmon transportation route from the Faroe Islands (America’s 2nd largest source of imported fresh salmon) to Richmond, VA, USA, resulted in a roughly 98% reduction of emissions when shipped via sea rather than flown. In a case of transportation optimization, the reciprocal trade of beef between Costa Rica and the United States was found to result in at least 158,000 kg of CO2eq annually. These cases (and others) show the great need for better route optimization in food transportation systems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».