Get in-depth coverage of current and future trends in technology, and how they are shaping business, entertainment, communications, science, politics, and society.
…
continue reading
İçerik On the Evidence tarafından sağlanmıştır. Bölümler, grafikler ve podcast açıklamaları dahil tüm podcast içeriği doğrudan On the Evidence veya podcast platform ortağı tarafından yüklenir ve sağlanır. Birinin telif hakkıyla korunan çalışmanızı izniniz olmadan kullandığını düşünüyorsanız burada https://tr.player.fm/legal özetlenen süreci takip edebilirsiniz.
Player FM - Podcast Uygulaması
Player FM uygulamasıyla çevrimdışı Player FM !
Player FM uygulamasıyla çevrimdışı Player FM !
123 | Validating Natural Climate Solutions with Better Data
MP3•Bölüm sayfası
Manage episode 429507663 series 1096505
İçerik On the Evidence tarafından sağlanmıştır. Bölümler, grafikler ve podcast açıklamaları dahil tüm podcast içeriği doğrudan On the Evidence veya podcast platform ortağı tarafından yüklenir ve sağlanır. Birinin telif hakkıyla korunan çalışmanızı izniniz olmadan kullandığını düşünüyorsanız burada https://tr.player.fm/legal özetlenen süreci takip edebilirsiniz.
In the United States, conversations about solutions to climate change often revolve around reducing fossil fuel emissions from human activities. But many believe regenerative agricultural practices and other nature-based solutions—which use soil and plants and try to either prevent or capture emissions—should complement policies and programs to reduce emissions from vehicles and power plants. As the nature-based climate solutions mature, public and private organizations that invest in them will need ways to measure their impact. In an interview with Mathematica’s On the Evidence podcast, Dr. Jenny Soong, a soil biogeochemist within Mathematica’s interdisciplinary climate practice, explains how better measurement, better data collection, and better web-based decision support tools could ensure the effective implementation of regenerative agriculture and other nature-based climate solutions. Find a full transcript of the episode at mathematica.org/ontheevidence. Learn more about Mathematica’s interdisciplinary climate practice: https://www.mathematica.org/sp/climate-change/climate-action
…
continue reading
150 bölüm
MP3•Bölüm sayfası
Manage episode 429507663 series 1096505
İçerik On the Evidence tarafından sağlanmıştır. Bölümler, grafikler ve podcast açıklamaları dahil tüm podcast içeriği doğrudan On the Evidence veya podcast platform ortağı tarafından yüklenir ve sağlanır. Birinin telif hakkıyla korunan çalışmanızı izniniz olmadan kullandığını düşünüyorsanız burada https://tr.player.fm/legal özetlenen süreci takip edebilirsiniz.
In the United States, conversations about solutions to climate change often revolve around reducing fossil fuel emissions from human activities. But many believe regenerative agricultural practices and other nature-based solutions—which use soil and plants and try to either prevent or capture emissions—should complement policies and programs to reduce emissions from vehicles and power plants. As the nature-based climate solutions mature, public and private organizations that invest in them will need ways to measure their impact. In an interview with Mathematica’s On the Evidence podcast, Dr. Jenny Soong, a soil biogeochemist within Mathematica’s interdisciplinary climate practice, explains how better measurement, better data collection, and better web-based decision support tools could ensure the effective implementation of regenerative agriculture and other nature-based climate solutions. Find a full transcript of the episode at mathematica.org/ontheevidence. Learn more about Mathematica’s interdisciplinary climate practice: https://www.mathematica.org/sp/climate-change/climate-action
…
continue reading
150 bölüm
همه قسمت ها
×Player FM'e Hoş Geldiniz!
Player FM şu anda sizin için internetteki yüksek kalitedeki podcast'leri arıyor. En iyi podcast uygulaması ve Android, iPhone ve internet üzerinde çalışıyor. Aboneliklerinizi cihazlar arasında eş zamanlamak için üye olun.