MétaCan
Menu
Retour à la cohorte
Enregistrement W7036216571

The carbon budget and greenhouse gas balance of annual and perennial crops for dairy feed

2018· article· en· W7036216571 sur OpenAlexaboutno aff

Notice bibliographique

RevueUniversiti Putra Malaysia Institutional Repository (Universiti Putra Malaysia) · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNuclear Issues and Defense
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasHayCarbon fibersPerennial plantGreenhouseEcosystemNitrous oxideSoil carbon
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Dairy production emits significant amount of greenhouse gases (GHG) to the atmosphere. Nevertheless, cultivation of hay and corn for dairy feed have the potential to partially mitigate GHG emission from dairy production by sequestering carbon in soil as soil organic matter. The present study investigated the net ecosystem carbon budget (NECB) and greenhouse gas balance (GHGB) of a hay and corn field grown side-by-side over three years in Elora, Ontario, Canada, as an indicator of net sequestered carbon. The NECB of the two crops were determined using measurements of net ecosystem exchange (NEE) and carbon in plant and applied manure. The greenhouse gas balance (GHGB) were determined using the NECB plus the total nitrous oxide (N2O) fluxes. On average over the three study years, NECB of hay (7 ± 51 g C m−2 yr−1) was significantly lower than corn (154 ± 79 g C m−2 yr−1) indicating that corn was a larger carbon source than hay. The three-year average GHGB of 796 and 127 g CO2-eq m−2 yr−1 for corn and hay, respectively, indicated that corn was a larger emitter of GHG than hay. The NECB was the more dominant factor than N2O emissions in influencing the outcome of the annual GHGB. In conclusion, hay has a larger potential than corn in sequestering carbon and mitigating GHG emission.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,227
Écart entre enseignants0,218 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversiti Putra Malaysia Institutional Repository (Universiti Putra Malaysia)Même sujetNuclear Issues and DefenseTravaux en français237 207