The concordance between greenhouse gas emissions, livestock production and profitability of extensive beef farming systems
Notice bibliographique
Résumé
Here we examine the concordance among emissions, production and gross margins of extensive beef farming systems by modelling a range of scenarios for herd management, animal genotype and pasture nutritive quality. We based our simulations on a case-study farm in central Queensland, Australia, and studied the influence of interventions designed for emissions mitigation, increasing productivity, or increasing gross margin. Interventions included replacing urea supplementation with nitrate, finishing cattle on the perennial forage leucaena (L), herd structure optimisation (HO), higher female fecundity (HF), and a leucaena finishing enterprise that had net farm emissions equal to the baseline (leucaena equal emissions; LEE). The HO intervention reduced the ratio of breeding cows relative to steers and unmated heifers, and lowered the ratio of costs to net cattle sales. Gross margin of the baseline, nitrate, L, LEE, HO and HF scenarios were AU$146 000, AU$91 000, AU$153 000, AU$170 000, AU$204 000 and AU$216 000, respectively. Enterprises with early joining of maiden heifers as well as HO and HF further increased gross margin (AU$323 000), while systems incorporating all compatible interventions (HO, HF, early joining, LEE) had a gross margin of AU$315 000. We showed that interventions that increase liveweight turnoff while maintaining net farm emissions resulted in higher gross margins than did interventions that maintained liveweight production and reduced net emissions. A key insight of this work was that the relationship between emissions intensity (emissions per unit liveweight production) or liveweight turnoff with gross margin were negative and positive, respectively, but only when combinations of (compatible) interventions were included in the dataset. For example, herd optimisation by reducing the number of breeding cows and increasing the number of sale animals increased gross margin by 40%, but this intervention had little effect on liveweight turnoff and emissions intensity. However, when herd optimisation was combined with other interventions that increased production, gross margins increased and emissions intensity declined. This is a fortuitous outcome, since it implies that imposing more interventions with the potential to profitably enhance liveweight turnoff allows a greater reduction in emissions intensity, but only when each intervention works synergistically with those already in place.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».