The potential of agroforestry to reduce atmospheric greenhouse gases in Canada: Insight from pairwise comparisons with traditional agriculture, data gaps and future research
Notice bibliographique
Résumé
Canadian agriculture is a source of greenhouse gases (GHG) and agroforestry has the potential to sequester carbon (C), and mitigate agricultural GHG emissions. Agroforestry systems are common features in Canada’s agricultural landscape; however, there are limited empirical data to support implementation of agroforestry practices for GHG mitigation. This shortfall of data may be a contributing factor to the lack of policy that supports the use of agroforestry for GHG mitigation in the Canadian agricultural landscape. We reviewed published studies that compared C stocks in vegetation and soils, and/or GHG emissions in agroforestry systems to traditional agriculture across Canada, with the aims of assessing the benefit of adopting agroforestry for GHG reduction. We then identified data gaps and obstacles that could direct future research. We found that most studies reported increases in vegetation and soil organic C storage in areas with woody species compared to herbaceous crops. Agroforestry systems also reduced the emission of CH4and N2O, and increased CO2respiration from soil, but few studies have examined these gases. The small set of studies we reviewed demonstrated the potential of agroforestry to store terrestrial C and mitigate GHG emissions. However, additional research is required to verify this pattern across geographic regions, determine the regional potential for development of agroforestry systems, and assess the potential atmospheric GHG reduction at regional and national scales.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,012 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».