The Role of Pigs in the Carbon Footprint of Red Meat in Canada
Notice bibliographique
Résumé
Global livestock production is a major driver of climate change. Lumping beef and pork together as red meat masks important differences in their carbon footprints, land uses, and social status. These two red meat choices in Canada were compared by using a meta-model of the Unified Livestock Industry and Crop Emissions Estimation System (ULICEES). ULICEES calculated fossil CO2, N2O and CH4 emissions for beef, dairy, pork, poultry, and sheep production in Canada, based on both the livestock and their supporting land base in 2001. The dynamic drivers of the meta-model were crop yields, breeding female populations, tillage practices, nitrogen fertilizer use, and the crop complex of each livestock industry. When the potential carbon sequestration in the land growing harvested perennial forage is credited to beef production, the CO2e emissions offset does not reduce the carbon footprint of beef enough to match the lower carbon footprint of pork. Most of the land required to grow hay for beef would not be needed to feed a protein-equivalent pig population. In a hypothetical conversion of all beef production to pork production for 2021, 4.5 Mha of land under perennial forage was freed and 10.0 MtCO2e per year was mitigated when that area was re-cultivated for annual crops—a GHG mitigation equal to 12% of the GHG emissions budget of Canadian agriculture. Leaving that area under a perennial ground cover mitigated 19.8 MtCO2e per year, the equivalent of 23% of the sector’s GHG emissions budget.
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 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».