Investigating the greenhouse gas emissions of grass-fed beef relative to other greenhouse gas abatement strategies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle