ENVIRONMENTAL IMPACT ASSESSMENT CAUSED BY THE SOYBEAN SYSTEM PRODUCTION IN THE WEST OF PARANÁ
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Soja, oleaginosa de importância internacional pela alta demanda por proteína, óleo comestível e matéria-prima para biodiesel, tem sua produção crescente ano a ano. Tradicionalmente, o sistema de produção de soja em Plantio Direto aplica os insumos na propriedade de acordo com a média das análises de solo, ou seja, são aplicados de forma homogênea. Porém, o solo não é homogêneo. A Agricultura de Precisão procura solucionar esta questão através da aplicação dos insumos, nas quantidades certas, em determinadas áreas da propriedade. Um sistema de produção difundido pelo território nacional, com ocupação de 30.173 mil hectares, também requer uma avaliação dos impactos causados ao ambiente. Esta avaliação se mostra ainda mais necessária devido ao grande aumento no uso de defensivos agrícolas e, também, pela utilização de ingredientes ativos com alto poder toxicológico. Alguns deles já inclusos em listas de defensivos proibidos nos Estados Unidos, Europa e por convenções como a de Estocolmo, de Rotterdam, Protocolo de Montreal, entre outras. Uma ferramenta disponível é a Avaliação do Ciclo de Vida (ACV). Uma ACV consiste na compilação e avaliação de entradas e saídas e também de potenciais impactos ambientais de um sistema de produto, ao longo de seu ciclo de vida. Desta forma, o objetivo desta pesquisa consiste na avaliação do impacto ambiental causado pelo processo de produção da soja com sistema de manejo Plantio Direto e aplicação da técnica de agricultura de precisão na região Oeste do Paraná, durante a safra 2012/13. Para atingir os objetivos propostos, realizou-se a construção de um inventário do sistema agrícola Produção de Soja, com todas as entradas e saídas deste sistema. Este inventário foi modelado no software SimaPro para obter os perfis ambientais com auxílio de métodos de avaliação de impacto: CML-IA; EDIP 2003; IMPACT 2002+; ReCiPe; e USEtox. Adicionalmente, após as avaliações de impacto realizadas, notou-se a relevância para a categoria de impacto toxicidade (humana e ecológica). Tendo em vista que estas categorias de impacto são dependentes das regiões, foram obtidos fatores de caracterização regionalizados, visando averiguar a diferença com os resultados dos fatores disponíveis. Para tanto, selecionou-se o método USEtox. Os resultados obtidos mostraram a existência de uma grande amplitude de variação do potencial impacto ambiental entre as fazendas que compuseram a amostra da coleta de dados. Os métodos empregados para obter a avaliação do potencial impacto ambiental convergem, principalmente, para a categoria de Ecotoxicidade, para a emissão de defensivos como o principal contribuinte ao impacto ambiental. Substâncias como: cipermetrina, carbendazim, lambda-cialotrina, glifosato, metomil, entre outras, são apontadas como os ingredientes ativos que mais impactam
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.
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 | 0.003 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 it