MétaCan
Menu
Retour à la cohorte
Enregistrement W4399546787 · doi:10.1021/acsagscitech.4c00054

Environmental Impact of Outdoor Cannabis Production

2024· article· en· W4399546787 sur OpenAlexafffund
Vincent Desaulniers Brousseau, Benjamin Goldstein, Charlotte Sedlock, Mark Lefsrud

Notice bibliographique

RevueACS Agricultural Science & Technology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFertilizerEnvironmental scienceGreenhouse gasAgricultureProduction (economics)Natural resource economicsLife-cycle assessmentCannabisBusinessCannabis sativaEnvironmental protectionAgronomyEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

Environmental impacts of cannabis production are of increasing concern because it is a newly legal and growing industry. Although a handful of studies have quantified the impacts of indoor production, very little is known about the impact of outdoor cannabis agriculture. Outdoor production typically uses little direct energy but can require significant fertilizer and other inputs due to dissipative losses via runoff and mineralization. Conversely, fertilizer high in nitrogen can be counterproductive, as it produces flowers with decreased cannabinoid content. This study has two aims: (1) To identify reduced-fertilizer regimes that provide optimal cannabis flower yields with reduced inputs and (2) to quantify how this shifts greenhouse gas emissions, resource depletion (fossil and metal), terrestrial acidification, and the eutrophication potential of outdoor cannabis production. Primary data from a fertilizer response trial are incorporated into a life-cycle assessment model. Results show that outdoor cannabis agriculture can be 50 times less carbon-emitting than indoor production. Dissemination of this knowledge is of utmost importance for producers, consumers, and government officials in nations that have either legalized or will legalize cannabis production.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,008
Tête enseignante GPT0,288
Écart entre enseignants0,280 · 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'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

Citations11
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Agricultural Science & TechnologyMême sujetCannabis and Cannabinoid ResearchTravaux en français237 207