MétaCan
Menu
Retour à la cohorte
Enregistrement W4390674256 · doi:10.1680/jenes.23.00001

A comprehensive life-cycle assessment of plastic mulching for maize

2024· article· en· W4390674256 sur OpenAlexvenueno aff
Zahraa Al-Dawood, Bushra Tatan, Ruba El Mootassem, Md Maruf Mortula

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueIrrigation Practices and Water Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMulchEnvironmental scienceLife-cycle assessmentAgronomyAgroforestryBiologyEconomicsProduction (economics)

Résumé

récupéré en direct d'OpenAlex

While plastic mulch (PM) can increase crop yield, there are negative environmental impacts associated with the production, use and disposal of PM films. There is currently a gap in the literature on the negative impacts of PM throughout its entire life cycle, with most studies focusing on the global warming potential (GWP) only. The objective of this study is to conduct a life-cycle assessment (LCA) of PM to investigate the environmental impacts of all stages of mulching. The LCA was conducted using the SimaPro with data obtained from the relevant literature and ecoinvent database. The system boundaries include the production, transportation, installation, operation, removal and disposal of PM. The results reveal that the field operation of PM has the highest impact in GWP. A sensitivity analysis was also conducted and the GWP impact was observed to be sensitive to changes in carbon dioxide and net ecosystem carbon dioxide budget. The production of PM has the highest impact in abiotic depletion, but this impact can be reduced through energy recovery. Incineration yields the least harmful impacts, but the results of the study may vary depending on the exact disposal method. The impact of PM can be mitigated through proper waste management and mitigation measures, including regulations on disposal.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,939
Score d'incertitude au seuil0,083

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,225
Écart entre enseignants0,214 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetIrrigation Practices and Water ManagementTravaux en français237 207