Produktion av krukodlade örtkryddor i växthus och dess utsläpp av växthusgaser i Sverige \n
Bibliographic record
Abstract
Abstract \nThe global average temperature has increased by 0,74°C over the last 100 years. Most probably, the explanation is due to increasing use of fossil fuels and the agricultural expansion of land use. The new life stile of mankind leads to increasing concentrations of greenhouse gases in the atmosphere. Food consumption contributes with approximately a quarter of the total greenhouse gas emission per person and year, why it is an important task to reduce these. \n The aim of this work is to quantify energy use and greenhouse gas emissions for (Swedish) herbs produced in Swedish greenhouses. The study is based on a LCA (Life Cycle Assessment) and collected data from participating companies producing herbs in pots. \n The examples of the study show that it is the heating and electricity consumption which accounts for the largest share of emissions. The sum of the total greenhouse gas emission for a Swedish greenhouse produced spice is 0,07 carbon dioxide equivalents. \n The study estimate is that for the participating companies the possible reduction of greenhouse gas emissions through energy saving measures, by almost 80 %. \n \n \nSammanfattning \nDen globala medeltemperaturen har ökat med 0,74°C de senaste 100 åren. Det mest sannolika är att det är människans ökade användning av fossila bränslen och utökade markanvändning som är orsaken. Människans ändrade levnadsvanor medför stigande koncentrationer av växthusgaser i atmosfären. Eftersom livsmedelskonsumtionen bidrar med cirka en fjärdedel av det totala växthusgasutsläppet per person och år är det viktigt att arbeta för att minska denna. Regeringen har, på initiativ av miljöministern, jordbruksministern och integrations- och jämställdhetsministern, uppmanat till en väl genomtänkt klimatmärkning av livsmedel. KRAV och Svenskt Sigill har startat ett projekt för att utveckla märkningssystem för livsmedel. \n Syftet med den här studien är att kvantifiera energianvändning och växthusgasutsläpp för svensk produktion av krukodlade örtkryddor i växthus. Undersökningen grundar sig på uppgifter från medverkande örtkryddodlingsföretag och kan ses som exempel på utsläppsnivåer. \n Exemplen i studien visar att det är uppvärmningen och elförbrukningen som står för den största andelen av utsläppen. Summan av det totala växthusgasutsläppet för en växthusproducerad örtkrydda i aktuella företag är 0,07 koldioxidekvivalenter. Det effektivaste sättet att minska växthusgasutsläppet är att övergå från fossiluppvärmning till förnybar, miljövänligare uppvärmning. Därefter kommer elförbrukningen, där man genom avtal med elleverantören kan välja miljöel . Det totala växthusgasutsläppet för de medverkande företagen kan enligt studiens uppskattning reduceras med nära 80 procent. \n
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.003 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".