MétaCan
Menu
Retour à la cohorte
Enregistrement W4324142830 · doi:10.3390/su15065124

Life Cycle Assessment of Oat Flake Production with Two End-of-Life Options for Agro-Industrial Residue Management

2023· article· en· W4324142830 sur OpenAlexaffabout
Luciano Viana, Pierre-Luc Dessureault, Charles Marty, Jean‐François Boucher, Maxime C. Paré

Notice bibliographique

RevueSustainability · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésLife-cycle assessmentAvenaResidue (chemistry)AgricultureFlakeProduction (economics)Environmental impact assessmentBusinessEnvironmental scienceIndustrial productionAgricultural engineeringNatural resource economicsEngineeringAgronomyChemistryEconomicsBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Canada is one of the world’s largest producers of oat (Avena sativa L.) grains and their derivatives, such as oat flakes. During oat flake production, considerable amounts of residue are generated, which constitutes a major issue for producers. We applied life cycle assessment (LCA): (1) to quantify the environmental impacts of oat flakes production in northeastern Canada and (2) to compare two agro-industrial symbiosis scenarios applied to agricultural residues (transformation of residues into feed for farm animals vs. composting). LCA results indicated that the environmental impacts of oat flake production are largely dominated by the production and use of synthetic fertilisers (contributing to at least 50% of the impact of each evaluated category). Regarding end-of-life scenarios, an environmental advantage is observed for the scenario of residue transformation into animal feed in the provinces of Quebec and Manitoba. However, this recommendation may change depending on the electricity mix used and the assumptions made for the avoided products. The choice of industrial symbiosis chains must take into consideration the economic characteristics of the region where they will be implemented and the methodological parameters that can influence the decision-making process.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,347
Score d'incertitude au seuil0,690

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,017
Tête enseignante GPT0,289
Écart entre enseignants0,272 · 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'étudeSimulation ou modélisation
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

Citations17
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207