MétaCan
Menu
Retour à la cohorte
Enregistrement W1556748410 · doi:10.5539/ass.v11n15p275

The Preliminary Study of Climate Change Impact on Rice Production and Economic in Thailand

2015· article· en· W1556748410 sur OpenAlexvenueno aff
Noppol Arunrat, Nathsuda Pumijumnong

Notice bibliographique

RevueAsian Social Science · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensnon disponible
Organismes subventionnairesThailand Research Fund
Mots-clésProduction (economics)Agricultural economicsEconomic shortageConsumption (sociology)EconomicsClimate changePopulationNatural resource economicsAgricultural scienceEnvironmental scienceBusiness

Résumé

récupéré en direct d'OpenAlex

Climate change affects crop production in two ways: changes in GDP and population and changes in climatevariables, especially temperature and precipitation. This study aims to investigate preliminary effects of climatechange impacts on Thailand’s rice production, consumption, and export capacity by integrated EPIC model andthe world and Thai rice market models. Therefore, the Biophysical process model (EPIC model) and Economicprocesses model are employed as the research methodology of this study. Main findings of the comparisonshowed both rice production and export in the base year (2007) are likely to expand until 2027, and there will bea sufficient amount of rice surplus for export, which is nearly the same level as that of domestic consumption inA2 scenario. In 2017, the amount of rice production will be only slightly higher than the domestic demand,leaving a small rice surplus of up to 2 million tons for export, compared to 14 million tons in 2016. However, inB2 scenario, the rice production capacity will be much lower than the domestic demand, meeting only half of itin 2017. From 2017 to 2019, the rice production capacity will undergo a constant fall and no longer meet themarket demand as a result; it is estimated that there will be a shortage of approximately 0.038 to 0.218 ton. It istherefore important to note that if B2 scenario became reality in 2017, the rice production capacity of Thailandwould nearly fail to meet the minimum level of domestic demand. However, we assure that Thailand still haveland where can be converted to rice production with multiple cropping through irrigation investment, whilecomprehensive technical adaptation and mitigation to enhance farmer benefits are required.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,303
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetClimate change impacts on agricultureTravaux en français237 207