Research Progress on Greenhouse Gas Emissions From Livestock in Sub-Saharan Africa Falls Short of National Inventory Ambitions
Notice bibliographique
Résumé
Livestock are an important source of livelihoods in agricultural systems in sub-Saharan Africa (SSA), while also being the largest source of national greenhouse gas (GHG) emissions in most African countries. As a consequence, there is a critical need for data on livestock GHG sources and sinks to develop national inventories, as well as conduct baseline measurements and intervention testing to mitigate GHG emissions and meet ambitious national climate goals. Our objective was to review studies on GHG emissions from livestock systems in SSA, as well as soil carbon storage in livestock-dominated systems ( i.e ., grasslands and rangelands), to evaluate best current data and suggest future research priorities. To this end, we compiled studies from SSA that determined emission factors (EFs) for enteric methane and manure emissions, along with studies on soil organic carbon (SOC) stocks in SSA. We found that there has been limited research on livestock GHG emissions and SOC relative to national ambitions for climate change mitigation in SSA. Enteric methane emission factors (EFs) in low productivity cattle systems may be lower than IPCC Tier 1 default EFs, whereas small ruminants ( i.e . sheep and goats) had higher EFs compared to IPCC Tier 1 EFs. Manure EFs were equal to or lower than IPCC Tier 1 EFs for deposited manure (while grazing), manure applied as fertilizer, and manure management. SOC stocks for grasslands and rangelands in SSA show broad agreement with IPCC estimates, but there was a strong geographic bias and many studies did not report soil type, bulk density, or SOC stocks at >30 cm depth. In general, the largest data gaps included information for manure (quantity, quality, management), small ruminants, agropastoral/pastoralist systems, and in general from West Africa. Future research should focus on filling major data gaps on locally appropriate mitigation interventions and improving livestock activity data for developing Tier 2 GHG inventories in SSA. At the science-policy interface, all parties would benefit from enhanced coordination within the research community and between researchers and African governments to improve Tier 2 inventories and harmonize measurement for mitigation in livestock systems in SSA.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».