Identifying drivers of reactive nitrogen emissions and innovative nutrient policies using the Canadian geographic context
Bibliographic record
Abstract
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
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".