MétaCan
Menu
Retour à la cohorte
Enregistrement W3210060098 · doi:10.3390/su132111679

Correlating Genetically Modified Crops, Glyphosate Use and Increased Carbon Sequestration

2021· article· en· W3210060098 sur OpenAlexafffundabout
Chelsea Sutherland, Savannah Gleim, Stuart J. Smyth

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesCanada First Research Excellence Fund
Mots-clésCarbon sequestrationTillageGlyphosateEnvironmental scienceSoil carbonNo-till farmingWeed controlAgronomyConventional tillageCroppingAgroforestrySustainabilityAgricultureSoil waterSoil fertilityBiologyEcologySoil scienceCarbon dioxide

Résumé

récupéré en direct d'OpenAlex

In the early 1990s, tillage was the leading form of weed control, with minimum/zero-tillage management practices incapable of long-term continuation. Presently, weed control through tillage has virtually disappeared as cropland management systems have transitioned largely to continuous cropping, with zero to minimal soil disturbance. Research was undertaken to examine what was driving this land management transition. A carbon accounting framework incorporating coefficients derived from the Century Model was used to estimate carbon sequestration in the Canadian province of Saskatchewan. The results quantify the transition from farmland being a net carbon emitter to being a net carbon sequesterer over the past 30 years. This evidence confirms the correlation between genetically modified, herbicide-tolerant crops and glyphosate use is a driver of the increased soil carbon sequestration. The removal of tillage and adoption of minimal soil disturbances has reduced the amount of carbon released from tillage and increased the sequestration of carbon through continuous crop production. Countries that ban genetically modified crops and are enacting legislation restricting glyphosate use are implementing policies that Canadian farm evidence indicates will not contribute to increasing agricultural sustainability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,098
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,224
Écart entre enseignants0,208 · 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 tête enseignante, 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

Citations32
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207