147 Use of Productivity Enhancing Technologies in Beef Steers Reduces Greenhouse Gas Emission Intensity
Notice bibliographique
Résumé
Abstract In the last decade, the cattle industry has witnessed increased demand from domestic and international markets for hormone and antibiotic free beef. However, the environmental consequences of switching from conventional production to “natural” beef have not been extensively examined. This study explored greenhouse gas (GHG) emissions estimated using a whole-farm model, Holos (www.agr.gc.ca/holos-ghg) with model inputs from a 2-year replicated study in which calves were managed from weaning to finishing with 6 treatments based on body weight and feeding strategy. Treatments included Heavy (H), which were directly finished, Medium (M), which were backgrounded prior to finishing, and Light (L), which were backgrounded and then grazed during the summer before being placed on a finishing diet. Each treatment was subdivided into two management practices: Conventional (CON) in which productivity enhancing technologies (PETs) were used (ionophores, steroid implants and beta-adrenergic agonists) and Natural (NAT) in which PETs were removed. Emission intensity (kg CO2e kg-1 boneless beef) of HNAT was 17.3 to 20.1% higher than HCON, MNAT was 20.3 to 20.5% higher than MCON and LNAT were 11.5–12.6% higher than LCON treatment. Conventional treatments, using PET’s, reduced GHG emissions, however grazing should be considered for its potential to store and promote carbon sequestration in perennial grasslands.
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 | 0,001 | 0,011 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».