Environmental impacts and resource use of urban agriculture: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Environmental merits are a common motivation for many urban agriculture (UA) projects. One powerful way of quantifying environmental impacts is with life cycle assessment (LCA): a method that estimates the environmental impacts of producing, using, and disposing of a good. LCAs of UA have proliferated in recent years, evaluating a diverse range of UA systems and generating mixed conclusions about their environmental performance. To clarify the varied literature, we performed a systematic review of LCAs of UA to answer the following questions: What is the scope of available LCAs of UA (geographic, crop choice, system type)? What is the environmental performance and resource intensity of diverse forms of UA? How have these LCAs been done, and does the quality and consistency allow the evidence to support decision making? We searched for original, peer-reviewed LCAs of agricultural production at UA systems, and selected and evaluated 47 papers fitting our analysis criteria, covering 88 different farms and 259 production systems. Focusing on yield, water consumption, greenhouse gas emissions, and cumulative energy demand, using functional units based on mass of crops grown and land occupied, we found a wide range of results. We summarized baseline ranges, identified trends across UA profiles, and highlighted the most impactful parts of different systems. There were examples of all types of systems—across physical set up, crop type, and socio-economic orientation—achieving low and high impacts and yields, and performing better or worse than conventional agriculture. However, issues with the quality and consistency of the LCAs, the use of conventional agriculture data in UA settings, and the high variability in their results prevented us from drawing definitive conclusions about the environmental impacts and resource use of UA. We provided guidelines for improving LCAs of UA, and make a strong case that more research on this topic is necessary to improve our understanding of the environmental impacts and benefits of UA.
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 | 0,018 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,026 |
| Bibliométrie | 0,013 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».