Contribution of land use practices to GHGs in the Canadian Prairies crop sector
Notice bibliographique
Résumé
The global crop sector is estimated to contribute about 10.4% of global GHGs annually. The Canadian crop sector is assessed as adding about 6.5% to total national emissions. These estimates over report the impact of farming as they ignore the complex interaction of cropping with the environment and the role land use, land use change and forestry (LULUCF) play in sequestering carbon. This study quantifies the contribution of land use to GHG emissions and removals in the Canadian Prairies crop sector between 1985 and 2016. The modeling effort explores how different farming practices (i.e., conventional tillage (CT), minimum tillage (MT), zero tillage (ZT), summerfallow, crop rotations, and residue retention) and input usage rates (i.e., fertilizer and fuel) affect GHG emissions in different soil climate zones and provinces in the Prairies region. The adoption of sustainable practices led to an 80% decline in GHG emissions in the crop sector between 1985 and 2016. Since 2005, the baseline for Canada's Paris commitment, sectoral emissions dropped 53%, more than is required to meet the 2030 target. Most promising, the crop sector was a net GHG sink between 2013 and 2016 in Alberta and between 2006 and 2016 in Saskatchewan. As positive as these developments have been, more can be done by directing research to identify options for reducing GHGs in Manitoba (which made only minimal improvements as farmers there faced conditions requiring continuous use of conventional tillage practices), to explore better nitrogen management (a major continuing source of GHG from cropping) and by searching for low carbon transport options.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».