Low Greenhouse Gas Emissions from Oyster Aquaculture
Notice bibliographique
Résumé
Production of animal protein is associated with high greenhouse gas (GHG) emissions. Globally, oyster aquaculture is increasing as a way to meet growing demands for protein, yet its associated GHG-emissions are largely unknown. We quantified oyster aquaculture GHG-emissions from the three main constituents of GHG-release associated with terrestrial livestock production: fermentation in the animal gut, manure management, and fodder production. We found that oysters release no methane (CH4) and only negligible amounts of nitrous oxide (0.00012 ± 0.00004 μmol N2O gDW–1 hr–1) and carbon dioxide (3.556 ± 0.471 μmol CO2 gDW–1 hr–1). Further, sediment fluxes of N2O and CH4 were unchanged in the presence of oyster aquaculture, regardless of the length of time it had been in place. Sediment CO2 release was slightly stimulated between 4 and 6 years of aquaculture presence and then returned to baseline levels but was not significantly different between aquaculture and a control site when all ages of culture were pooled. There is no GHG-release from oyster fodder production. Considering the main drivers of GHG-release in terrestrial livestock systems, oyster aquaculture has less than 0.5% of the GHG-cost of beef, small ruminants, pork, and poultry in terms of CO2-equivalents per kg protein, suggesting that shellfish aquaculture may provide a a low GHG alternative for future animal protein production compared to land based sources. We estimate that if 10% of the protein from beef consumption in the United States was replaced with protein from oysters, the GHG savings would be equivalent to 10.8 million fewer cars on the road.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,010 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».