Emissies naar lucht uit de landbouw in 2014 : berekeningen met het model NEMA
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
Landbouwkundige activiteiten zijn in Nederland een belangrijke bron van ammoniak (NH3), stikstofoxide (NO), lachgas (N2O), methaan (CH4) en fijnstof (PM10 en PM2,5).De emissies in 2014 zijn berekend met het National Emission Model for Agriculture (NEMA).Tegelijk zijn enkele cijfers in de reeks 1990-2013 aangepast op basis van nieuwe inzichten.De rekenmethodiek gaat bij de berekening van de ammoniakemissie uit dierlijke mest uit van de hoeveelheid totaal ammoniakaal stikstof (TAN) in de mest.De ammoniakemissie uit dierlijke mest, kunstmest en overige bronnen in 2014 bedroeg 121 miljoen kg NH3, bijna 4 miljoen kg meer dan in 2013.De stijging komt voornamelijk door uitbreiding van de melkveestapel en een hoger stikstofgehalte van het ruwvoer.De N2O-emissie nam toe van 19,1 miljoen kg in 2013 naar 19,4 miljoen kg in 2014.De NOemissie nam toe van 16,9 naar 17,2 miljoen kg.De methaanemissie nam iets toe van 499 tot 503 miljoen kg.De emissie van fijnstof nam licht toe van 6,3 miljoen kg PM10 tot 6,4 miljoen kg, door een toename van het aantal stuks pluimvee.De emissie van PM2,5 bedroeg in beide jaren 0,6 miljoen kg.Sinds 1990 is de ammoniakemissie uit dierlijke mest en kunstmest met tweederde gedaald, vooral door een lagere stikstofuitscheiding door landbouwhuisdieren en emissiearme mesttoediening.Emissies van lachgas en stikstofoxide daalden in dezelfde periode eveneens, maar minder sterk (ca.40%) omdat door ondergronds toedienen van mest de emissies hoger zijn geworden en door de omschakeling van stalsystemen met dunne naar vaste mest bij pluimvee.Tussen 1990 en 2014 daalde de emissie van methaan met 16% door een afname in de dieraantallen en een hogere voeropname en productiviteit van melkvee.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 découle