Crop Residue Management in India: Stubble Burning vs. Other Utilizations including Bioenergy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In recent studies, various reports reveal that stubble burning of crop residues in India generates nearly 150 million tons of carbon dioxide (CO2), more than 9 million tons of carbon monoxide (CO), a quarter-million tons of sulphur oxides (SOX), 1 million tons of particulate matter and more than half a million tons of black carbon. These contribute directly to environmental pollution, as well as the haze in the Indian capital, New Delhi, and the diminishing glaciers of the Himalayas. Although stubble burning crop residue is a crime under Section 188 of the Indian Penal Code (IPC) and the Air and Pollution Control Act (APCA) of 1981, a lack of implementation of these government acts has been witnessed across the country. Instead of burning, crop residues can be utilized in various alternative ways, including use as cattle feed, compost with manure, rural roofing, bioenergy, beverage production, packaging materials, wood, paper, and bioethanol, etc. This review article aims to present the current status of stubble-burning practices for disposal of crop residues in India and discuss several alternative methods for valorization of crop residues. Overall, this review article offers a solid understanding of the negative impacts of mismanagement of the crop residues via stubble burning in India and the other more promising management approaches including use for bioenergy, which, if widely employed, could not only reduce the environmental impacts of crop residue management, but generate additional value for the agricultural sector globally.
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.
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) | 0,003 | 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 découle