MétaCan
Menu
Retour à la cohorte
Enregistrement W4280509397 · doi:10.1080/14486563.2022.2068685

The grey water footprint of milk due to nitrate leaching from dairy farms in Canterbury, New Zealand

2022· article· en· W4280509397 sur OpenAlexaff
Michael Joy, Douglas A. Rankin, Lara Wöhler, Paul Boyce, Adam D. Canning, Kyleisha J. Foote, Pierce McNie

Notice bibliographique

RevueAustralasian Journal of Environmental Management · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensUniversité du Québec à MontréalConcordia UniversityUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceNitrateWater useWater qualityAgricultureLeaching (pedology)SustainabilityWater pollutionEnvironmental engineeringFarm waterGroundwaterEnvironmental protectionIrrigationGeographyAgronomyWater conservationSoil waterEngineeringEcologyBiology

Résumé

récupéré en direct d'OpenAlex

The Canterbury Region of New Zealand has undergone rapid and significant land use intensification over the last three decades resulting in a substantial increase of nitrate-nitrogen leached to the environment. In this article, we determined the nitrate grey water footprint of milk, which is the amount of water needed to dilute nitrogen leached past the root zone to meet different receiving water nitrate standards per milk production unit. Our analysis revealed the nitrate grey water footprint for Canterbury ranged from 433 to 11,110 litres of water per litre of milk, depending on the water standards applied. This footprint is higher than many estimates for global milk production, and reveals that footprints are very dependent on inputs included in the analyses and on the water quality standards applied to the receiving water. The extensive dairy farming in Canterbury is leading to significant pollution of the region’s groundwater, much of which is used for drinking water. Dairy farming at this intensity is unsustainable and if not reduced could pose a significant risk to human health and the market perception of the sustainability of the New Zealand dairy industry and its products.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,433
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,005
Tête enseignante GPT0,198
Écart entre enseignants0,193 · 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.

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

Citations22
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralasian Journal of Environmental ManagementMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207