Quantifying Air Pollutant Emission from Agricultural Machinery Using Surveys—A Case Study in Anhui, China
Notice bibliographique
Résumé
Diesel-powered agricultural machinery (AM) is a significant contributor to air pollutant emissions, including nitrogen oxides (NOx) and particulate matter (PM). However, the fuel consumption and pollutant emissions from AM remain poorly quantified in many countries due to a lack of accurate activity data and emissions factors. In this study, the fuel consumption and air pollutant emission from AM were estimated using a survey and emission factors from the literature. A case study was conducted using data collected in Anhui, one of the agricultural provinces of China. The annual active hours of AM in Anhui ranged 130 to 175 h. The estimated diesel fuel consumption by AM was 1.45 Tg in 2013, approximately 25% of the total diesel consumption in the province. The air pollutants emitted by AM were 57 Gg of carbon monoxide, 14 Gg of hydrocarbon, 74 Gg of NOx and 5.7 Gg of PM in 2013. The NOx and PM emissions from AM were equivalent to 17% and 22% of total on-road traffic emissions in Anhui. Among nine types of AM considered, rural vehicles are the largest contributors to fuel consumption (31%) and air emissions (33–45%).
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 | 0,000 |
| 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 | 0,000 |
| 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 ».