The nitrogen footprint of organic food in the United States
Notice bibliographique
Résumé
Abstract We estimated the reactive nitrogen (Nr) lost per unit food Nr consumed for organic food production in the United States and compared it to conventional production. We used a nitrogen footprint model approach, which accounts for both differences in Nr losses as well as differences in productivity of the two systems. Additionally, we quantified the types of Nr inputs (new versus recycled) that are used in both production systems. We estimated Nr losses from organic crop and animal production to be of comparable magnitude to conventional production losses, with the exception of beef. While Nr losses from organic vegetables are possibly higher (+37%), Nr losses from organic grains, starchy roots, legumes are likely of similar magnitude to conventional production (+7%, +6%, −12%, respectively). Nr losses from organic poultry, pigmeat, and dairy production are also likely comparable to conventional production (+9%, +10%, +12%, respectively), while Nr losses from organic beef production were estimated to be higher (+124%). Due to the high variability and high uncertainty in Nr efficiency in both systems we cannot make conclusions yet on the statistical significance of these potential differences. Conventional production relies heavily on the creation of new Nr (70%–90% of inputs are from new Nr sources like synthetic fertilizer), whereas organic production primarily utilizes already existing Nr (0%–50% of organic inputs are from new Nr sources like leguminous N fixation). Consuming organically produced foods has little impact on an individual’s food N footprint but changes the percentage of new versus recycled Nr in the footprint. With the exception of beef, Nr losses from organic production per unit N in product are comparable to conventional production. However, organic production requires the creation of less new Nr, which could reduce global Nr pollution.
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 | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».