Review of whole-farm models for accurate nitrogen budgets
Notice bibliographique
Résumé
Whole-farm models describe the economic functioning and nutrient flows on farms including their interaction with the environment, e.g. through greenhouse gas emissions emissions. They range from simple decision-support tools to complex dynamic process-based models. The literature on whole-farm models in temperate climates was reviewed to identify gaps in knowledge, including development potential for the coupling with other models, within the context of the PREMIS project on primary farm data analysis and the Land-CRAFT center. Web of Science and Scopus databases were accessed using relevant keywords. Articles related to whole-farm models were then selected and the main attributes of the articles used were noted. Articles found from the ones selected, or from personal communication, were also added using the snowball approach. This resulted in a database of 192 articles and 116 different models which described either the whole farm or parts of it. Dynamic process-based models were the most used, particularly the Integrated Farm System, (IFSM, Rotz et al., 2007) and the Agricultural Production Systems sIMulator, (APSIM, McCown et al., 1996). These were followed by life cycle assessment (LCA) analyses that adhered to international standards set by the International Organization for Standardization (ISO) (ISO 2006a and b)). Dairy and beef farms were the most studied farm types, with most studies published from the U.S.A. and Australia, followed by New Zealand and Canada. Once the different models have been reviewed, consideration will be given to the developments necessary to fill any gaps in the existing ones and feed into landscape-level models.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».