Assessment of energy and environmental impact in precision seeding technological processes
Notice bibliographique
Résumé
The technological process of seeding is very important in the production of cereals because seed germination, growth, yield and the qualitative parameters depend on the quality of seeding. Variable rate and variable depth precision seeding technology is relatively new and has many unanswered questions. The aim of this work was to investigate the influence of precision seeding of winter wheat according to a variable rate and variable depth on the grain yield, to evaluate different technological processes of seeding in terms of energy and environmental aspects, and to compare the obtained results with conventional seeding technology. Experimental research on growing winter wheat was carried out in 2021–2022. Precision seeding was performed using a variable rate seeding map generated from soil electrical conductivity data obtained by field surface scanning with the apparent soil electrical conductivity instrument EM-38 MK2 (Geonics Ltd, Canada). Three seeding technological processes were applied, the first variant was a uniform rate (URS, control), the second was a variable seeding rate (VRS), the third was a variable rate and variable depth (VRSD). Energy and environmental assessment were carried out using technological operations, fuel and material equivalents. The results of the experimental studies showed that the highest winter wheat grain yield (8744.08 kg·ha-1) was in the VRSD variant and it was about 6.5% higher compared to the conventional URS variant. The energy environmental analysis reported that the best energy and environmental efficiency results were achieved using the same VRSD technology, with the highest energy efficiency ratio (8.81) and the best GHG emission efficiency ratio (10.31), and the lowest environmental pollution per ton of winter wheat grain produced (56.24 kg CO2eq t-1).
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».