Factory farm gas: Rendering industrial animal waste as renewable energy on North Carolina pig farms
Notice bibliographique
Résumé
This article critically examines Factory Farm Gas (FFG) generated from industrial animal waste from North Carolina's (US) hog sector, revealing how this corporate-driven, government-subsidized sustainability initiative, aimed at addressing the sector's methane emissions, ultimately serves to expand and entrench industrial animal production. FFG depends on the large-scale concentration and confinement of farmed animals, whose waste is managed in lagoon sprayfield systems now retrofitted with an anaerobic digester to promote the production and capture of biogas. These techno-political objects illuminate how waste management governance and technologies become central to processes of spatial and economic fixing, power consolidation, and capital accumulation. By challenging the framing of biogas as a renewable energy source, this article argues that FFG is more than just a greenwashing tactic by situating it within critical literature on agro-energy networks to highlight how it can lead to unanticipated factory farm expansion and new sites for accumulation. In North Carolina, this emerging economy unfolds amid a decades-long struggle to phase out the lagoon sprayfield system. Using a political economy framework and drawing from fieldwork and interviews, this article traces how anaerobic digesters entrench the interests of agribusinesses and energy sectors, sustaining polluting and emission-intensive practices while generating new geographies of factory farming, including centralized gas upgrading facilities and pipelines. By critically examining these dynamics, this article underscores the need for interdisciplinary research and coalition-building across environmental justice, energy, and food justice movements to contest the entrenchment of industrial animal agriculture within renewable energy transitions.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».