Assessing the Environmental Impacts of Banana Farming in Yogyakarta Special Region Using Life Cycle Assessment (LCA)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Indonesia is one of the largest banana producers in Asia, with an annual production of 9.34 million tons, including 809,976 quintals from Yogyakarta in 2022, making banana cultivation an important sector.This study evaluates the environmental impact of banana cultivation in the Special Region of Yogyakarta using the Life Cycle Assessment (LCA) approach with the IMPACT 2002+ method.The research sample involved 80 farmers and 4 distributors from two main regions.The analysis focused on four main categories: human health, ecosystem quality, climate change, and resource consumption, which are the core elements of the IMPACT 2002+ method.Farmers' environmental awareness was assessed based on seven indicators, including land and water management, as well as the use of fertilizers and pesticides.The results showed that NPK fertilizer is the main contributor to climate change, accounting for 92.3% of greenhouse gas emissions (4.48E4 kg CO2 eq).A shift to organic fertilizers is estimated to reduce emissions by up to 30%.Meanwhile, distribution activities accounted for 87.3% of resource consumption (6.07E5 MJ primary) due to the use of fossil fuels.These findings highlight the importance of transitioning to sustainable practices, such as the use of organic fertilizers and optimizing local distribution networks.This study provides a basis for agricultural policies that support ecosystem balance and climate change mitigation.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle