MétaCan
Menu
← Retour à la cohorte
Enregistrement W7161762652 · doi:10.82308/12187

Quantification of the role of mineral fertilizer in the environmental performance of the Canadian cannabis (Cannabis Sativa) industry and urban soil-less farms

2024· dissertation· fr· W7161762652 sur OpenAlexaboutno aff
Vincent Desaulniers Brousseau

Notice bibliographique

Revuenon disponible
Typedissertation
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueBioenergy crop production and management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasSustainabilityBiomass (ecology)AgricultureProduction (economics)Sustainable agricultureEnvironmental impact assessmentFertilizerBiofuel

Résumé

récupéré en direct d'OpenAlex

This thesis presents a groundbreaking examination of environmental impact and sustainability practices in cannabis (Cannabis sativa) production and hydroponic agriculture through three unique experiments. Notably, it addresses a significant gap in research by quantifying the global warming potential (GWP) of outdoor cannabis production, an area previously unexplored despite its substantial presence in Canada and the United States.The first experiment assesses the environmental impact of outdoor cannabis cultivation, revealing insights into sustainable practices. Notably, it identifies the significant contribution of potting media to GWP and suggests strategies such as avoiding peat-based media and manipulating nitrogen deficiency to enhance cannabinoid production efficiency. Additionally, it introduces a novel functional unit (FU) of 100 mg of THC, potentially more suitable for extract and edible producers.In the second experiment, organic liquid fertilizer (OLF) is investigated in hydroponic systems using a unique bioreactor and basil as a model plant. This study highlights the potential for comparable plant growth with reduced greenhouse gas emissions, particularly when managing nitrogen loss during the bioreaction process. Utilizing locally-sourced biomass waste for nutrient cycling could substantially decrease the GWP of urban food production.The third experiment analyzes cannabis production in Canada, considering regional differences in climate, energy sources, and electrical grid carbon intensity. It concludes that outdoor production is environmentally friendlier, potentially reducing GWP up to 10-fold compared to indoor methods.Overall, these experiments contribute significantly to understanding environmental impacts and sustainable practices in cannabis and hydroponic agriculture. The findings offer valuable insights for growers, policymakers, and environmental advocates, guiding informed decision-making towards more sustainable agricultural practices. In an era of escalating climate change concerns, this research underscores the importance of sustainable agriculture in shaping the future of environmental stewardship

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 enseignants0,559
Score d'incertitude au seuil0,877

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,199
Écart entre enseignants0,187 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBioenergy crop production and management→Travaux en français237 207→