MétaCan
Menu
Retour à la cohorte
Enregistrement W3209122168 · doi:10.82308/21104

Economic analysis of tree-based intercropping in southern Ontario, Canada

2010· article· en· W3209122168 sur OpenAlexaboutno aff
Imran A. Toor

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2010
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgroforestry and silvopastoral systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIntercroppingTree (set theory)GeographyEconomic analysisForestryAgricultural economicsEconomicsMathematics

Résumé

récupéré en direct d'OpenAlex

Tree Based Intercropping (TBI) integrates the use of crops and trees on the same land unit. Such systems can provide a variety of economic, environmental and social benefits in comparis on with mono-cropping agriculture system. The specific objectives of this thesis were to determine the productivity, profitability, and practicality of TBI systems relative to mono-cropping system in Canada. Predicting the productivity, profitability and practicality consisted of several steps. First of all, a comprehensive process-based mathematical model called Ecosys© were used to estimate the trees growth. Secondly, a economic analysis model (Farm-SAFE) was used to determine the profitability and feasibility of TBI system relative to mono-cropping system. The evaluation of mono-cropping and TBI systems was undertaken for selected tree and crop species. Selected tree species were hybrid poplar, Norway spruce and red oak and crops species were wheat, corn, soybean and barley. The results of this study suggested that TBI systems can under certain circumstances provide a productive, profitable and feasible alternative to mono-cropping system. Tree and crop production was invariably more efficient in the use of land when combined in TBI systems hybrid poplar than when separated in mono-cropping system. Farmers can use a combination of fast-growing specie (hybrid poplar) and slow-growing specie (red oak) simultaneously to increase their profit by using TBI agriculture system.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,465

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,186
Écart entre enseignants0,174 · 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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetAgroforestry and silvopastoral systemsTravaux en français237 207