The source of performance and excretion data affects the environmental impact of pig rearing estimated by life cycle assessment
Notice bibliographique
Résumé
The objective of this study was to calculate the environmental impact of raising pigs fed diets with 192, 182, 172, or 162 g kg−1 crude protein (CP) from 15 to 30 kg live weight, using a life cycle assessment (LCA) based on either predicted or observed performance and excretion data. The predicted data were calculated for two animal profiles: one with feed intake and weight gain data being representative of the national Brazilian average (yp-AVG), and the other being representative of the specific experimental farm conditions (yp-SPC). Performance and excretion of pigs were either measured (yobs) or predicted (yp) for each CP scenario by using InraPorc® model and LCA impacts were calculated from these data. The yp and yobs data of performance, nutrient excretion, and LCA were then compared using a Bayesian paired approach. Whatever the calculation methods, the decrease in dietary CP reduced the environmental impacts per kilogram of weight gain on acidification potential (AP), eutrophication potential (EP), and land occupation. Predicted data from yp-SPC did not differ from yobs data except for nitrogen excretion and AP and EP impacts. Predicted data from yp-AVG differed from yobs for all criteria except for body weight gain, phosphorus excreted, and cumulative energy demand, mainly because of the lower feed conversion ratio for average data. It was concluded that the use of predicted data calculated from specific farm indicators could better explain the environmental impact of pig farming in Brazil compared with the use of national average indicators.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».