Environmental footprints show China and Europe’s evolving resource appropriation for soybean production in Mato Grosso, Brazil
Notice bibliographique
Résumé
Mato Grosso has become the center of Brazil's soybean industry, with production located across an agricultural frontier expanding into savanna and rainforest biomes. We present environmental footprints of soybean production in Mato Grosso and resource flows accompanying exports to China and Europe for the 2000s using five indicators: deforestation, land footprint (LF), carbon footprint (CF), water footprint (WF), and nutrient footprints. Soybean production was associated with 65% of the state's deforestation, and 14–17% of total Brazilian land use change carbon emissions. The decade showed two distinct production systems illustrated by resources used in the first and second half of the decade. Deforestation and carbon footprint declined 70% while land, water, and nutrient footprints increased almost 30% between the two periods. These differences coincided with a shift in Mato Grosso's export destination. Between 2006 and 2010, China surpassed Europe in soybean imports when production was associated with 97 m 2 deforestation yr −1 ton −1 of soybean, a LF of 0.34 ha yr −1 ton −1 , a carbon footprint of 4.6 ton CO 2 -eq yr −1 ton −1 , a WF of 1908 m 3 yr −1 ton −1 , and virtual phosphorous and potassium of 5.0 kg P yr −1 ton −1 and 0.0042 g K yr −1 ton −1 . Mato Grosso constructs soil fertility via phosphorous and potassium fertilizer sourced from third party countries and imported into the region. Through the soybean produced, Mato Grosso then exports both water derived from its abundant, seasonal precipitation and nutrients obtained from fertilizer. In 2010, virtual water flows were 10.3 km 3 yr −1 to China and 4.1 km 3 yr −1 to Europe. The total embedded nutrient flows to China were 2.12 Mtons yr −1 and 2.85 Mtons yr −1 to Europe. As soybean production grows with global demand, the role of Mato Grosso's resource use and production vulnerabilities highlight the challenges with meeting future international food security needs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».