MétaCan
Menu
Retour à la cohorte
Enregistrement W7133282801

Jumeler des arbres avec les cultures : une combinaison rentable pour le climat

2025· other· W7133282801 sur OpenAlexaboutno aff
Canada. Agriculture and Agri-Food Canada. Science and Technology Branch, Canada. Agriculture et agroalimentaire Canada. Direction générale des sciences et de la technologie

Notice bibliographique

RevueFederal Open Science Repository of Canada / Le Dépôt fédéral de science ouverte du Canada · 2025
Typeother
Langue
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMoorlandPollenTaxonomy (biology)Population
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Pairing trees with crops-a profitable combination for the climateTo help Canada achieve its objectives under the Paris Climate Agreement (2015), scientists from more than 20 departments, universities and organizations in Canada and USA conducted the first study to evaluate and measure the medium-and long-term effects of adopting 24 Natural Climate Solutions (NCS) in forests, grasslands, agricultural areas, and wetlands.NCS are readily deployable options that can contribute to reduce greenhouse gas (GHG) emission.By capitalizing on the natural carbon storage processes in ecosystems, NCS can already reduce emissions without waiting for new carbon capture technologies.Agriculture and Agri-Food Canada (AAFC) agroforestry scientists focused on NCS which integrate trees and shrubs into farming practices to reduce GHG emissions.Aside from shelterbelts, common in Western Canada, intercropping, silvopasture, and riparian buffer strips have the most potential.Intercropping entails planting, right in the middle of cultivated fields, rows of high economic value native (or sometimes non-native) trees and shrubs (e.g.hybrid poplar, red oak, black walnut, Norway spruce, seabuckthorn, and buffaloberry) that are effective at capturing carbon dioxide (CO 2 ).Of all the agroforestry practices, intercropping would reduce the most GHG emissions; it ranks fourth among the 11 agricultural NCS evaluated in the study.If adopted on nearly 800,000 hectares (ha) of agricultural land in just Quebec and Ontario, this practice would capture around 4 million tons of CO 2 equivalent [1] (CO 2 e) per year.Silvopasture involves rearing livestock in treed (tame and seeded) pasture and forested areas where the animals feed on spontaneous undergrowth vegetation.If adopted on an average of 20 ha per livestock farm (totalling 985,000 ha in the 10 provinces), silvopasture would capture 2.8 million tons of CO 2 e/year.Riparian buffer strips are areas of perennial vegetation planted along the watercourses of farm fields.They help reduce soil loss, improve water quality, and stabilize the banks.Planting 30 metres of riparian buffer strips along watercourses on farms located in naturally forested areas (200,000 ha in total for nine provinces) would capture 1.62 million tons of CO 2 e/year.Prediction models show that transitioning to these three agroforestry practices by 2030 could capture almost 8.5 million tons of CO 2 e/year.Scientists also calculated the monetary value of these practices when traded on the carbon exchange market.With values ranging from $10 to $50/tonne of CO 2 equivalent, the results indicated that agroforestry practices would generate significant additional income for farmers.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,416
Score d'incertitude au seuil0,828

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,003
Communication savante0,0050,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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 Opus0,010
Tête enseignante GPT0,250
Écart entre enseignants0,240 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFederal Open Science Repository of Canada / Le Dépôt fédéral de science ouverte du CanadaTravaux en français237 207