The U.S. consumer phosphorus footprint: where do nitrogen and phosphorus diverge?
Notice bibliographique
Résumé
Abstract Phosphorus (P) and nitrogen (N) are essential nutrients for food production but their excess use in agriculture can have major social costs, particularly related to water quality degradation. Nutrient footprint approaches estimate N and P release to the environment through food production and waste management and enable linking these emissions to particular consumption patterns. Following an established method for quantifying a consumer-oriented N footprint for the United States (U.S.), we calculate an analogous P footprint and assess the N:P ratio across different stages of food production and consumption. Circa 2012, the average consumer’s P footprint was 4.4 kg P capita −1 yr −1 compared to 22.4 kg N capita −1 yr −1 for the food portion of the N footprint. Animal products have the largest contribution to both footprints, comprising >70% of the average per capita N and P footprints. The N:P ratio of environmental release based on virtual nutrient factors (kilograms N or P per kilogram of food consumed) varies considerably across food groups and stages. The overall N:P ratio of the footprints was lower (5.2 by mass) than for that of U.S. food consumption (8.6), reinforcing our finding that P is managed less efficiently than N in food production systems but more efficiently removed from wastewater. While strategies like reducing meat consumption will effectively reduce both N and P footprints by decreasing overall synthetic fertilizer nutrient demands, consideration of how food production and waste treatment differentially affect N and P releases to the environment can also inform eutrophication management.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,003 |
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 ».