Evaluating greenhouse gas mitigation practices in livestock systems: an illustration of a whole-farm approach
Notice bibliographique
Résumé
SUMMARY As agriculture contributes about 0·08 of Canada's greenhouse gas (GHG) emissions, reducing agricultural emissions would significantly decrease total Canadian GHG output. Evaluating mitigation practices is not always easy because of the complexity of farming systems in which one change may affect many processes and associated emissions. The objective of the current study was to compare the effects of selected management practices on net whole-farm emissions, expressed in CO2equivalents (CO2e) from a beef production system, as estimated for hypothetical farms at four disparate locations in western Canada. Whole-farm emissions (t CO2e) per unit of protein output (t) of 11 management systems (Table 2) were compared for each farm using a model based, in part, on Intergovernmental Panel on Climate Change (IPCC) equations. Compared with the baseline management scenario, maintaining cattle on alfalfa-grass pastures showed the largest decrease (0·53–1·08 t CO2e/t protein) in emissions for all locations. Feeding lower quality forage over winter showed the greatest increase in emissions per unit protein on the southern Alberta (S.AB) and northern Alberta (N.AB) farms, with increases of 1·36 and 2·22 t CO2e/t protein, respectively. Eliminating the fertilization of forages resulted in the largest increase (4·20 t CO2e/t protein) in emissions per unit protein on the Saskatchewan (SK) farm, while reducing the fertilizer rate by half for all crops showed the largest increase (11·40 t CO2e/t protein) on the Manitoba (MB) farm. The findings, while approximate, illustrate the importance of considering all GHGs simultaneously, and show that practices which best reduce emissions may vary among locations. The findings also suggest merit in comparing emissions on the basis of CO2e per unit of protein exported off-farm, rather than on the basis of total CO2e or CO2e per hectare.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».