The environmental and economic efficacy of on-farm beneficial management practices for mitigating soil-related greenhouse gas emissions in Ontario, Canada
Notice bibliographique
Résumé
Abstract Agriculture is a large source of greenhouse gas (GHG) emissions but changing management practices to those more beneficial to the environment could help mitigate climate change as long as they are economically and environmentally viable. This study examines the environmental (public) and economic (private) effects of adopting ten different beneficial management practices on a representative corn farm in Ontario, Canada. The study integrates changes in GHG emissions in carbon equivalents (CO 2e ) and changes in profit from changes in costs and revenues in two dimensions to reveal the scope and scale of different kinds of practices. 4R nitrogen management practices are smaller in scale compared to cropping practices and, therefore, have smaller potential costs and benefits. Land use changes, from practices including biomass, afforestation, crop rotation and cover cropping, have larger impacts on soil sequestration and carbon-equivalent GHG reduction, but with significantly greater costs. Seven practices were found to, at least partially, be economically and environmentally beneficial. The adoption of no-till and N-rate reduction is firmly positive, whereas the production of biomass has the largest potential economic and environmental gains. Crop rotation and diversification and cover cropping can be mutually beneficial, as can changing N-application practices. The use of inhibitors may be economically beneficial if yield gains outweigh purchase costs.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».