Potential Role for Consumers to Reduce Canadian Agricultural GHG Emissions by Diversifying Animal Protein Sources
Notice bibliographique
Résumé
The discussion of diversified protein sources triggered by the 2019 Canadian Food Guide has implications for Canada’s livestock industry. In response to this discussion, a scenario analysis is conducted on the potential impact of reducing red meat consumption on the greenhouse gas (GHG) emissions from Canadian livestock production. This analysis uses medical recommendations as a proxy for healthy servings of red meat. For simplicity, it was assumed that red meat is either beef or pork and that broilers are the only nonred meat choice. The medical scenario is combined with four livestock production scenarios for these three livestock types. Broiler consumption is allowed to expand to maintain national protein intake in all four scenarios. Under the medical scenario, red meat consumption in Canada would decrease from 2.5 Mt to 1.9 Mt of live weight. A feedlot diet for slaughter cattle, and a 50:50 split of the medically recommended red meat intake of beef and pork (Scenario 1), reduced GHG emissions by 3.9 Mt CO2e from the 20.6 Mt CO2e (carbon dioxide equivalent) for current consumption. Replacing the feedlot beef diet by grass fed beef (Scenario 2) increased GHG emissions by 1.5 Mt CO2e over Scenario 1. Halving the consumption of grass fed beef and increasing pork by 50% (Scenario 3) reduced GHG by 7.7 Mt CO2e. Reverting back to the feedlot diet, and the same 25:75 beef–pork ratio (Scenario 4), increased the GHG emissions reduction to 8.9 Mt CO2e. Without including the emission savings from the medical scenario, GHG reductions from Scenarios 3 and 4 dropped to 3.8 Mt and 5.0 Mt CO2e, respectively. No scenario exceeded the feed grain area required to meet the 2017 consumption of these commodities, but Scenario 2 required more forage area compared to consumption in 2017.
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 | 0,002 | 0,003 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».