Distribution of livestock sectors in Canada: Implications for manureshed management
Notice bibliographique
Résumé
Abstract Canada's livestock production and human populations are concentrated in southern regions. Understanding spatial and temporal distributions of animals and excreted nutrients is key to optimizing manure resources and minimizing impact of livestock. Here, we identify manureshed concerns and opportunities by reconciling nitrogen supply and demand on a regional and national scale. Data based on national statistics and farm surveys were allocated to homogeneous soil polygons (Soil Landscapes of Canada [SLC]) to quantify changes in nutrient distribution and ammonia (NH 3 ) emissions across Canada (1981–2018). Livestock sectors tied to domestic consumption, dairy and poultry, were stable over time and well dispersed. Export driven beef production has moved west since 1981, whereas pig production was prominent in Manitoba, Quebec, and Ontario. Per ha manure N excretion across livestock sectors in 2018 was generally low with 58% and 6% of the SLCs averaging <25 and >100 kg N ha −1 , respectively. Although only 3% of SLCs had average NH 3 emissions reaching 16–200 kg ha −1 , most of these were located near cities and emissions spiked in spring when more people might be exposed. The greatest concentrations of nutrients and livestock occurred around the three largest metropolitan areas: Toronto, Montreal–Quebec City, and Vancouver, posing challenges for nutrient recycling and public health. This study shows that as Canadian cities and livestock agriculture grow in southern Canada, so will challenges around food production, human health, and managing nutrients. Livestock and land use strategies are needed to reconcile changing animal sectors and growing populations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».