Investigating the greenhouse gas emissions of grass-fed beef relative to other greenhouse gas abatement strategies
Notice bibliographique
Résumé
Beef is often identified as one of the foods with the largest greenhouse gas (GHG) emissions, causing climate-conscious persons to seek changes in their diets. This study evaluated the ability of a household to reduce its GHG emissions by replacing conventional US beef with grass-fed beef and compared its effectiveness to three other strategies: replacing beef with chicken, becoming a vegetarian, and purchasing carbon offsets. These potential GHG-reducing strategies were considered within a model of a typical US household, using a framework that accounts for all household expenditures and carbon emissions. Replacing beef with chicken and adopting vegetarianism reduced the household’s GHG emissions by 1% and 3%, respectively. Grass-fed beef only reduced emissions if the GHG sequestration rate for pastureland and/or the price of grass-fed beef was high. It is shown that persons paying higher prices for grass-fed beef with the goal of smaller GHG emissions might want to consider buying conventional beef instead and using the savings to purchase carbon offsets. Also, although vegetarianism is often touted as a climate-friendly diet, the model shows that meat-eaters can achieve the same GHG reduction by spending only US$19 per year on carbon offsets. These results assume that additional land for grazing is acquired from recently abandoned cropland, which gives grass-fed beef its best chance at being climate-friendly. Alternative land-use assumptions would only reinforce the result that grass-fed beef does not emit less GHG emissions than conventional beef.
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 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».