Emissies naar lucht uit de landbouw,1990-2018 : Berekeningen met het model NEMA
Notice bibliographique
Résumé
In the Netherlands, agricultural activities are a major source of gaseous emissions of ammonia (NH3), nitrogen oxide (NO), nitrous oxide (N2O), methane (CH4), non-methane volatile organic compounds (NMVOC), CO2 from lime fertilisers and particulate matter (PM10 and PM2.5). The emissions were calculated using the National Emission Model for Agriculture (NEMA). In 2018, NH3 emissions from livestock manure, fertiliser and other sources on farms and hobby farms, from private use and from manure application in terrestrial ecosystems amounted to 118.0 million kg NH3, 2.2 million kg less than in 2017. This decrease was due mainly to the reduction in the size of the dairy herd. Emissions of N2O in 2018 were 20.5 million kg, 0.5 million kg less than in 2017. NO emissions in 2018 amounted to 22.3 million kg, 0.6 million kg less than in 2017. CH4 emissions decreased from 503 to 484 million kg due to the smaller dairy herd. Emissions of NMVOC amounted to 93 million kg in 2018, down from 98 million kg in 2017. Emissions of particulate matter PM10 decreased in 2018 from 6.2 to 5.9 million kg. PM2.5 emissions remained constant at 0.6 million kg. Based on new data for several factors which are described in this report, emission figures have been updated for a number of years in the time series since 1990. NH3 emissions from livestock manure have fallen by two thirds since 1990, mainly as a result of lower nitrogen excretion rates of livestock and the introduction of low-emission manure application. Emissions of N2O and NO decreased over this period by 40% and 33% respectively, less markedly than the NH3 reduction because of higher emissions from manure injection (compared with surface spreading manure) and a shift from excretion on pasture to excretion in animal houses. CH4 emissions decreased by 18% between 1990 and 2018 due to a decrease in livestock numbers and increased feed use efficiency of dairy cattle. PM10 emissions increased by 19% in the same period due to laying poultry farms switching from housing systems with liquid manure to systems with solid manure.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».