Raakamaidon tuotannon hiilijalanjälki – mallinnus ja vaikutusten arviointi
Notice bibliographique
Résumé
Suomen kasvihuonekaasupäästöistä n. 12 % on peräisin maataloudesta, josta n. 30 % tulee suoraan lypsylehmistä ja niiden lannasta. Tilastollisesti merkittävien päästöjen vuoksi maitotalouden ympäristöystävällisyyttä on kyseenalaistettu, mutta raakamaidon tuotannon hiilijalanjälkeä ei ole tutkittu Suomessa aiemmin. \n \nOpinnäytetyössä tehtiin oma elinkaarilaskentaohjelma, jolla laskettiin pilottitilojen maidon ja naudanlihan hiilijalanjäljet, sekä maidon hiilijalanjälkeen vaikuttavia tekijöitä. Elinkaarilaskentaohjelman pohjana käytettiin ”Lypsikki 2.0” -ohjelmaa, joka on tilatasoinen ravinnehallintamalli, jossa on lypsylehmän ruokinnan optimointi- ja vuosikiertomallinnustyökalu. \n \nElinkaariarviointi rajattiin alkupanosten tuotannosta meijerin portille, mutta inventaarioanalyysin aikana neljä neljästätoista pilottitilasta ja kaikki kuljetuspäästöt kuitenkin jätettiin pois tarkastelusta. Toiminnalliseksi yksiköksi valittiin energiakorjattu maito (EKM). Viljelyn kasvihuonekaasupäästöt allokoitiin tuotteille kahdella tavalla: allokoimalla kaikki päästöt tuotteille ja allokoimalla vain karjalle syötettyjen rehujen viljelypäästöt. Kasvihuonepäästöjen allokoinnissa maidon ja lihan välillä käytettiin kolmea allokointimenetelmää: energia, taloudellista ja fyysis-kausaalista. \n \nElinkaarilaskentaohjelman antamat tulokset ja päästöjen osuudet vastasivat muiden maiden maidon hiilijalanjälkitutkimusten perusteilla tehtyjä oletuksia. Suomalaiselle maidolle saatiin hiilijalanjäljeksi 1-1,3 kg CO2e/kg EKM, mutta tilamäärä oli varsin pieni tässä otannassa. Maitotilasta riippuen maidon hiilijalanjälki voi olla alempi tai ylempi kuin ilmoitettu arvo. Maidon alkutuotannon kasvihuonekaasupäästöistä n. 50 % tulee karjan ruoansulatuksesta, 35 % viljelystä, 10 % lannasta ja loput energiankäytöstä. \n \nSimuloinnissa maidon ja lihan hiilijalanjälki saatiin pienennettyä suosimalla korkeatuottoisia lehmiä, nostamalla lehmien ruokavalion rasva- ja proteiinipitoisuutta ja alentamalla tilan karjan uudistusprosenttia. Satotason nosto viljelyssä todettiin olevan tehokkain tapa alentaa maidon hiilijalanjälkeä. Lannanhallinnassa saatiin maidon hiilijalanjälki pienennettyä varastoimalla lietelantaa ilman peitettä ja luonnollista kuorta. Liete- ja kuivalannan välistä lannanhallinnan vaikutusta hiilijalanjälkeen ei simuloitu tiedon puutteen vuoksi. \n \nElinkaarilaskenta ohjelma ilmoittaa 12 hiilijalanjälkitulosta maidolle ja lihalle riippuen valituista allokointimenetelmistä ja karakterisointikertoimista. Muuttamalla elinkaarilaskentaohjelmassa toiminnallinen yksikkö raakamaidoksi tai rasva-proteiinikorjattumaidoksi, saadaan 36 hiilijalanjälkitulosta. Suurella tulosten lukumäärällä parannettiin maidon hiilijalanjäljen verrattavuutta muihin tutkimuksiin ja pienennettiin elinkaariarviossa tehtyjen valintojen aiheuttamaa epävarmuutta.
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) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,107 | 0,405 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».