MétaCan
Menu
← Retour à la cohorte
Enregistrement W3124899090

Greenhouse Gas Mitigation on Diversified Farms

2005· article· en· W3124899090 sur OpenAlexaboutno aff
Elwin G. Smith, Bharat Mani Upadhyay

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasEnvironmental scienceLivestockForageCroppingAgricultureCarbon sequestrationTillageAgronomyFertilizerAgricultural scienceAgroforestryCarbon dioxideBiologyEcology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Agriculture can potentially contribute to Canada meeting its commitment to reduce net greenhouse gas (GHG) emissions under the Kyoto protocol. A representative crop - livestock feeding farm on the Canadian prairies is used to estimate the cost of net GHG abatement, taking into account CO2 equivalent emissions and carbon sequestration. Optimal cropping systems use direct seeding and continuous cropping, production systems that have lower net GHG emissions. Livestock feeding uses rations with high energy concentration (grain based) because they are more profitable and also produce less methane per animal than forage based diets. Reducing tillage is the least costly means of lowering net emissions ($20/t CO2 eq.), followed by reducing cattle feeding ($32/t CO2 eq.). If emission reductions are high or cattle numbers can not be reduced, cropping is altered to use very little nitrogen fertilizer ($272-567/t CO2 eq.), and cattle feeding is switched to a higher forage diet (up to $1500/t CO2 eq.). The high forage diet has lower emissions per capacity animal, but only because one-half the number of animals can be finished with the same facility capacity. A regional analyses of aggregate emissions will need to incorporate the heterogeneity of farms and soil carbon levels that exist.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,006
Tête enseignante GPT0,199
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'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
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAgriculture Sustainability and Environmental Impact→Travaux en français237 207→