MétaCan
Menu
← Retour à la cohorte
Enregistrement W7162005367 · doi:10.82308/13144

Identifying drivers of reactive nitrogen emissions and innovative nutrient policies using the Canadian geographic context

2023· dissertation· en· W7162005367 sur OpenAlexaboutno aff
Sibeal McCourt

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Environmental policyPublic policyEnvironmental pollution

Résumé

récupéré en direct d'OpenAlex

L'excès d'azote réactif (Ar) dans l'environnement entraîne de graves impacts négatifs sur la société y compris la pollution de l'air, l'eutrophisation et le changement climatique. Pour mieux gérer le Ar, il est nécessaire d'examiner les facteurs sous-jacents des émissions de Ar et d'identifier les domaines potentiels d'intervention. Cependant, il existe des lacunes dans notre compréhension des moteurs des émissions de Ar car ils sont divers et souvent complexes. Dans cette thèse j'aborde trois de ces lacunes: le rôle des variations géographiques infranationales, les effets des changements de structure économique, et l'intégration des politiques de pollution par les nutriments. J'utilise le Canada comme étude de cas pour éclairer ces trois domaines de recherche. Mes études utilisent plusieurs méthodologiques interdisciplinaires, notamment le développement d'un nouveau modèle d'empreinte, l'application de méthodes d'analyse de décomposition économique, et une évaluation des politiques qui utilise des techniques d'analyse de texte et de réseau.Tout d'abord, à l'aide de mon modèle d'empreintes canadiennes d’azote, j'examine les tendances des empreintes provinciales et la façon dont les facteurs d'émissions de Ar axés sur la consommation varient entre les provinces en fonction de leurs divers contextes géographiques. Je développe ensuite la perspective de comptabilisation de l'empreinte en explorant des tendances plus détaillées des émissions à travers le Canada au fil du temps. Je synthétise des données provenant de diverses sources pour évaluer le rôle des moteurs socio-économiques sur les émissions de Ar de l'ensemble de l'économie. Mes résultats de ces deux études montrent que les empreintes provinciales totales et par habitant, et les émissions territoriales varient considérablement en fonction de la population, de la richesse et de l'importance économique relative des secteurs des combustibles fossiles et de l'agriculture dans les provinces canadiennes. Ils soulignent également les défis d'attribuer les émissions de Ar aux économies axées sur l'exportation, comme le Canada, et soulignent l'importance d'améliorer l'intensité des émissions et de déplacer les économies vers des secteurs moins intensifs en Ar. Ensuite, j'explore l'environnement politique lié aux éléments nutritifs au Canada (lois législatives fédérales et provinciales pertinentes à la fois pour l'azote et le phosphore) à l'aide d'une analyse de réseau sémantique. Mes conclusions révèlent des domaines potentiels d'intégration des politiques dans la législation relative aux nutriments au Canada. Enfin, je réfléchis aux résultats de mes trois études à partir de différentes perspectives de comptabilisation des émissions, j'examine comment la législation canadienne correspond (ou ne correspond pas) aux facteurs et sources d'émissions de Ar précédemment identifiés, et aux tendances géographiques et provinciales globales identifiées tout au long de cette thèse. Malgré les difficultés de gestion durable des nutriments à l'échelle nationale compte tenu des objectifs économiques, sociaux et environnementaux contradictoires ou concurrents, mes recherches démontrent comment la nature multiforme des problèmes de nutriments offre des opportunités pour des politiques innovantes pour relever ces défis

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,024
Score d'incertitude au seuil0,172

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,007
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,017
Tête enseignante GPT0,255
Écart entre enseignants0,238 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAtmospheric and Environmental Gas Dynamics→Travaux en français237 207→