Life cycle assessment of nitrogen efficiency strategies for Canadian egg supply chains
Notice bibliographique
Résumé
Rapid population growth and the associated rising demand for food are driving agricultural expansion and intensification. One important consequence is increased use and loss of reactive nitrogen (Nr) in agriculture – in particular in livestock production - precipitating Nr cascades with multiple impacts on ecosystems. Among livestock production systems, egg production is the fastest growing segment worldwide. Improving nitrogen use efficiency (NUE) is a key priority for enabling more environmentally sustainable egg production. The objective of this research is to provide information to support NUE improvements along egg production supply chains while simultaneously minimizing “systems level” resource consumption and negative environmental impacts. NUE is influenced by feed production practices, feed composition, feed conversion efficiency, and manure management practices. Technological and management changes targeting these variables along egg supply chains to improve NUE can influence system-level environmental performance and resource efficiency. To consider the relative efficacy of Nr emissions mitigation options with respect to improving NUE and reducing resource use and emissions, life cycle assessment (LCA) methodology was employed. Potentially efficacious NUE improvement options (taking into account environmental, technical and economic criteria) were identified based on a literature review. Priority strategies were: “4Rs” practices and biochar addition to cropland for the feed input production stage; reduced crude protein diet via synthetic amino acid supplementation for the feed formulation stage; use of ammonia scrubbers in barns along with use of manure belts; biochar addition to the stored manure; and manure incorporation at time of field application. LCA, NUE, and N footprint results iv indicated that each mitigation option might be more or less suitable depending on kinds of environmental impacts considered. The application of scrubbers and biochar addition to the stored manure resulted in 10% and 3% higher NUE compared to the baseline, with considerable reduction of acidification and eutrophication impacts. However, they resulted in higher energy consumption, abiotic depletion and ozone layer depletion. Results clearly indicate that there is trade-offs among different impact categories and NUE for most NUE strategies. Hence, efforts to improve NUE must take into account a variety of potential resource and environmental impacts to ensure informed decision making.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».