Responding to the debate on "food versus fuel" by substituting direct biofuel with precision agriculture incentives: a general equilibrium approach
Notice bibliographique
Résumé
The Food Versus Fuel (FvF) debate antagonises biofuel production as it raises food prices. However, biofuels could reduce GHG emissions by up to 410-640 MtCO2eq per year in the USA and have already accounted for 11.4 $MtCO_2$ of avoided emissions in the Canadian transportation sector in 2023. Transportation represented 35\% and agriculture contributed 10\% to Canadian greenhouse gas (GHG) emissions in 2021, indicating the need to abate emissions in both sectors. Precision agriculture (PA) is a set of emissions-abating technologies that could present an alternative strategy to decarbonise the transportation sector through reducing biofuel production costs as a complement or substitute to electrification. We investigate whether PA adoption incentives increase biofuel production and use, lower food prices, and reduce agricultural and transportation emissions. Using Environment Canada’s Multi-Sector, Multi-Region (EC-MSMR) Computable General Equilibrium (CGE) model, we quantify the impact of PA incentives on biofuel usage in transportation by 2050. We find that a mix of cap-and-trade and emissions-pricing systems that reach a price of 692-940 $\frac{2017 CAD}{t}$ could incentivize PA and mediate the FvF debate. Under these policy simulations, Canadian consumption increases between 0.58\% and 1.34\%, crop production increases between 32\% and 42.81\%, food prices reduce between 1.47\% and 5.16\%, and Canadian crop production would become more competitive with PA by 2050. Transportation biofuel use increases by up to 23.5\% and CO2 emissions fall between 8.19\%-16.85\% by 2050. Finally, agricultural N2O emissions intensity decreases between 14.2\% and 14.41\%. Our study responds to SDG 7, 11, and 13 showing that PA incentives unlock emissions-abatement by increasing Canadian biofuel affordability while reducing food prices.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».