MétaCan
Menu
Retour à la cohorte
Enregistrement W3108984832 · doi:10.1093/jas/skaa278.229

173 Greenhouse gas emissions and land use associated with the removal of growth-enhancing technologies from backgrounding and finishing cattle in Canada: A case study

2020· article· en· W3108984832 sur OpenAlexaffabout
Emily Boonstra, Tim A. McAllister, Gabriel O Ribeiro, Marcos R. C. Cordeiro, Aklilu W. Alemu, G. H. Crow, Kim Ominski

Notice bibliographique

RevueJournal of Animal Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePharmacological Effects and Assays
Établissements canadiensUniversity of SaskatchewanAgriculture and Agri-Food CanadaUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésAnimal scienceGreenhouse gasBeef cattleEnvironmental scienceBody weightChemistryBiologyEndocrinologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Greenhouse gas emissions from backgrounding and finishing cattle with and without the use of growth-enhancing technologies (GET) were estimated using a whole-farm model, Holos (www.agr.gc.ca/holos-ghg). Model inputs were obtained from a four-year performance study using heifers (H) and steers (S) with six treatments (n = 40 hd treatment-1 yr-1): 1) H control (HCon); 2) H implanted (HTBA); 3) H melengestrol acetate (HMGA); 4) S control (SCon); 5) S implanted (STBA); and 6) S implanted + ractopamine hydrochloride (SRAC; conducted in the last two years). All cattle were finished to achieve a consistent number of days on feed (DOF; n = 233 ± 8). Lighter finish weights were observed for HCon and SCon. As a result, DOF were adjusted (-1 to 65 d) to achieve the same final weight as GET-treated cattle. Total emissions (kg CO2e head-1) were greater for Hcon_AdjHTBA (2967 ± 183) and HCon_AdjHMGA (2766 ± 84), than HTBA (2897 ± 184) and HMGA (2730 ± 81). Similarly, total emissions (kg CO2e head-1) for SCon_AdjSTBA (3169 ± 192) and SCon_AdjSRAC (3252 ± 202) were greater than STBA (2998 ± 153) and SRAC (3097 ± 185), respectively. On an intensity basis, (kg CO2e kg slaughter weight-1), emissions from GET-treated cattle [HTBA (4.49 ± 0.19), HMGA (4.39 ± 0.13), STBA (4.28 ± 0.17), and SRAC (4.31 ± 0.25)] were lower than HCon_AdjHTBA (4.60 ± 0.21), HCon_AdjHMGA (4.45 ± 0.18), SCon_AdjSTBA (4.52 ± 0.23), and SCon_AdjSRAC (4.52 ± 0.28), respectively. Furthermore, land-use (ha 100 kg slaughter weight-1) was reduced for GET-treated cattle (HTBA (0.068 ± 0.001), HMGA (0.067 ± 0.001), STBA (0.066 ± 0.001), and SRAC (0.067 ± 0.000)) compared to HCon_AdjTBA (0.071 ± 0.001), HCon_AdjMGA (0.069 ± 0.002), SCon_AdjTBA (0.072 ± 0.002), and SCon_AdjRAC (0.0073 ± 0.001), respectively. This study demonstrates that GETs can reduce the environmental footprint of beef cattle.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,729
Score d'incertitude au seuil0,789

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,246
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Animal ScienceMême sujetPharmacological Effects and AssaysTravaux en français237 207