Ecosystem Service Benefits of Lab-cultured and Insect Meat
Notice bibliographique
Résumé
Background: Population and income growth are expected to augment meat demand, and consequently, the conversion of natural ecosystems into pasture. Promising alternatives to livestock, particularly lab-cultured and insect meats, use about 1% as much land. Utilizing these technologies could reduce pasture expansion and maintain natural ecosystem service values. This paper investigates: what is the value of the ecosystem services potentially maintained by reducing agricultural expansion through the adoption of cultured and insect meat? Methods: Total global livestock-associated agricultural expansion by 2050 was predicted using FAO livestock projections (1) multiplied by the average land-use per kilogram of meat (2) yielding 194Mha. This expansion was partitioned among ecosystems according to threat scores derived from past expansion (3). Changes to annual ecosystem service values were calculated using average global values from Costanza et al. (4) multiplied by predicted expansion per ecosystem. Results & Conclusion: Tropical forests and east-Asia were the most threatened ecosystem and region, respectively, by both area and value. The net loss in annual ecosystem service values in 2050 due to predicted livestock-associated agricultural expansion was calculated to be $732bn/yr, translating to a NPV of $6.62tn to 2050. The potential to save such large ecosystem services value justifies increased research and promotion of these protein production methods. Limitations: This research does not identify exact ecosystems that are both targeted by agricultural meat expansion and that yield large ecosystem benefits because it is not sufficiently spatially explicit. Thus, it should not be used as a reference for new ecosystem conservation zones.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».