Predicted growth of world urban food waste and methane production
Notice bibliographique
Résumé
Landfill gas emissions are one of the largest anthropogenic sources of methane especially because of food waste (FW). To prevent these emissions growing with world population, future FW best management practices need to be evaluated. The objective of this paper was therefore to predict FW production for 2025 if present management practices are maintained, and then, to compare the impact of scenario 1: encouraging people to stay in rural areas and composting 75% of their FW, and; of scenario 2, where in addition to scenario 1, composting or anaerobically digesting 75% of urban FW (UFW). A relationship was established between per capita gross domestic product (GDP) and the population percentage living in urban areas (%UP), as well as production of municipal solid waste (MSW) and UFW. With estimated GDP and population growth per country, %UP and production of MSW and UFW could be predicted for 2025. A relatively accurate (R(2) > 0.85) correlation was found between GDP and %UP, and between GDP and mass of MSW and FW produced. On a global scale, MSW and UFW productions were predicted to increase by 51 and 44%, respectively, from 2005 to 2025. During the same period, and because of its expected economic development, Asia was predicted to experience the largest increase in UFW production, of 278 to 416 Gkg. If present MSW management trends are maintained, landfilled UFW was predicted to increase world CH4 emissions from 34 to 48 Gkg and the landfill share of global anthropogenic emissions from 8 to 10%. In comparison with maintaining present FW management practices, scenario 1 can lower UFW production by 30% and maintain the landfill share of the global anthropogenic emissions at 8%. With scenario 2, the landfill share of global anthropogenic emissions could be further reduced from 8 to 6% and leachate production could be reduced by 40%.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».