Reconciling Reduced Red Meat Consumption in Canada with Regenerative Grazing: Implications for GHG Emissions, Protein Supply and Land Use
Notice bibliographique
Résumé
This paper reconciled the soil ecology benefits of forages and ruminants with reducing GHG emissions from beef. A scenario analysis compared four integrated systems for beef, pork and broilers. Slaughter cattle diets were either business as usual (BAU) or grass fed (GF), and the combined red meat consumption could not exceed the recommendation for human health. The four consumption scenarios included (PS1) equal beef and pork with BAU beef, (PS2) equal beef and pork with GF beef, (PS3) more pork and less beef with GF beef and (PS4) more pork and less beef with BAU beef. Broiler consumption was increased to force all four scenarios to provide the same amount of protein. All four scenarios required similar feed grain areas (2.5 to 3 Mha). At 2.3, 4.4, 2.2 and 1.2 Mha for PS1, PS2, PS3 and PS4, respectively, the areas in harvestable forage showed much greater variation. From high to low GHG emissions, the ranking of scenarios was PS2, PS1, PS3 and PS4. Although allowing for avoidance of soil organic matter loss changed this ranking, the carbon footprint of beef production was still double or more that of pork in all four PS. To reconcile the agro-ecological benefits of beef with reducing GHG emissions, PS3 may be better than PS4. Along with eating more pork and broilers, and less red meat overall, consumers can choose GF beef as an occasional alternative.
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 ».