Agricultural Refrigerated Truck Quarterly Report, May 2026
Notice bibliographique
Résumé
USDA reported fourth-quarter 2023 U.S. truck shipments of fresh produce were 9.06 million tons-3 percent lower than the previous quarter, but 2 percent higher than fourth quarter 2022.Also, in fourth quarter 2023, shipments from Mexico were 2.66 million tons, which was higher than from any other reported origin.Shipments from Mexico accounted for 29 percent of the total reported shipments of fresh fruit and vegetables.Shipments from the next five top regions by volume were as follows: California, 2.19 million tons (24 percent of the total); Pacific Northwest (PNW), 1.87 million tons (21 percent of the total); Canada, 520,000 tons (6 percent of the total); Arizona, 409,000 tons (5 percent of the total); and finally, Florida, 291,000 tons (3 percent of the total).These top five commodities accounted for 40 percent of reported truck movements in fourth quarter 2023: ► Potatoes (13 percent) ► Apples (10 percent) ► Dry Onions (6 percent) ► Oranges (4 percent) ► Tomatoes (4 percent) Truck RatesThe table below provides a snapshot of quarterly truck rates for U.S. produce shipments over four mileage categories-1-500; 501-1,500; 1,501-2,500; and 2,501+ miles.Please note the U.S. average truck rates provided below were calculated using weighted regional rates and volumes. Diesel FuelDuring fourth quarter 2023, the U.S. diesel fuel price averaged $4.24 per gallon-down 1 percent from the previous quarter and down 16 percent from the same quarter in 2022.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».