Is it possible to reduce greenhouse gas emissions without reducing production? An assessment of 26 technical options
Notice bibliographique
Résumé
In Europe, agriculture is responsible for 10.2% of greenhouse gas (GHG) emissions. The objective of this study was to assess technical measures to reduce GHG emissions at the farm level without reducing production outputs. France was chosen as a case study with a typical intensive and diversified agriculture. Ten measures, split into 26 sub-measures, were selected from an initial list of 100 “candidate” measures. The selection process was based on five criteria: the expected effect on production, the GHG abatement potential, the current availability of the technology required to implement the measure, the applicability of the measure, including its social acceptability, and the potential synergies or antagonisms with other agri-environmental objectives, including adaptation to climate change. The ten selected measures were linked to nitrogen management, management practices which increase carbon storage in soils and biomass, livestock diets and energy production and consumption on farms. Their abatement potential and cost were accurately calculated and compared, using a marginal abatement cost curve approach. Results show that one third of the cumulated abatement potential corresponds to sub-measures with a negative cost. These sub-measures are based on an improved efficiency of inputs like N fertilizers, animal feed and energy, with no negative effect on production. Moreover, no antagonism with the objective of adaptation exists for these sub-measures. Other sub-measures are characterised by a higher cost, because of specific investments, the purchase of specific inputs or dedicated labour time, sometimes partially compensated by additional marketable products (biogas, wood…). Among the 26 sub-measures, only four exhibit a slight antagonism with the objective of adaptation to climate change. When calculated under current inventory rules, the overall annual abatement represents 10% of annual emissions from agriculture. This percentage is higher when calculated using higher tiers. It is concluded that cost-effective technical levers exist for agriculture to support greenhouse gas mitigation without hampering production and adaptation goals.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| 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 ».