MétaCan
Menu
Retour à la cohorte
Enregistrement W2035130352 · doi:10.5539/sar.v3n2p89

Greenhouse Gas Emissions of Beef Cow-Calf Grazing Systems in Uruguay

2014· article· en· W2035130352 sur OpenAlexvenueno aff
Gonzalo Becoña, Laura Astigarraga, Valentín Picasso

Notice bibliographique

RevueSustainable Agriculture Research · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensnon disponible
Organismes subventionnairesUniversidad de la República Uruguay
Mots-clésGreenhouse gasHectareGrazingEnvironmental scienceCarbon footprintProductivityPastureLivestockLife-cycle assessmentAnimal scienceAgronomyProduction (economics)BiologyAgricultureEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

Evaluating greenhouse gas (GHG) emissions at farm level is an important tool to mitigate climate change. Livestock account for 80% of the total GHG emissions in Uruguay, and beef cow-calf systems are possibly the largest contributors. In cow-calf grazing systems, optimizing forage allowance and grazing intensity may increase pasture productivity, reproductive performance, beef productivity, and possibly reduce GHG emissions. This study estimated GHG emissions per kg of live weight gain (LWG) and per hectare from 20 cow-calf systems in Uruguay, with different management practices. The GHG emissions were on average 20.8 kg CO2-e.kg LWG-1, ranging from 11.4 to 32.2. Beef productivity and reproductive efficiency were the main determinants of GHG emissions. Five farm clusters were identified with different productive and environmental efficiency by numerical classification of relevant variables. Improving grazing efficiency by optimizing the stocking rate and forage production can increase beef productivity by 22% and reduce GHG emissions per kg LWG by 28% compared to “low performance” management. Further improvements in reproductive efficiency can increase productivity by 41% and reduce GHG emissions per kg LWG by 23%, resulting in a “carbon smart” strategy. However, the most intensified farms with highest stocking rate and beef productivity, did not reduce GHG emissions per kg LWG, while increased GHG emissions per ha compared to the carbon smart. This analysis showed that it is possible to simultaneously reduce carbon footprint per kg and per ha, by optimizing grazing management. This study demonstrated that there is high potential to reduce cow-calf GHG emissions through improved grazing management.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,235
Score d'incertitude au seuil0,468

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,014
Tête enseignante GPT0,281
Écart entre enseignants0,266 · 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

Citations53
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207