MétaCan
Menu
Retour à la cohorte
Enregistrement W1980067860 · doi:10.3763/ijas.2009.0452

Agronomic considerations for urban agriculture in southern cities

2010· article· en· W1980067860 sur OpenAlexaff
Nikita S. Eriksen‐Hamel, George Danso

Notice bibliographique

RevueInternational Journal of Agricultural Sustainability · 2010
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueUrban Agriculture and Sustainability
Établissements canadiensAgriculture Food and Rural Development
Organismes subventionnairesnon disponible
Mots-clésFood securityBusinessAgricultureEnvironmental planningProduction (economics)Urban agricultureNatural resource economicsFood processingPsychological interventionAgricultural economicsEnvironmental scienceEnvironmental protectionGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

Urban and peri-urban agriculture (UA) provide a significant contribution to the total food requirements of cities, especially in southern cities of the developing world. Increasing food production in UA is therefore a necessity for increasing the food security of the urban poor. Urban environments are inherently different from rural environments and these differences in environmental conditions are expected to impact differently on crop growth. This review describes agronomic issues that are unique to UA and identifies possible interventions to address them. The constraints that can significantly differ include temperature, air quality, solar radiation and climate. The growth-limiting and growth-reducing factors that affect actual production in UA include water availability, nutrient supply, soil degradation, pests and soil pollution. The interventions addressing these constraints require action at both field level, and municipal or regional levels. The food security of the urban poor will therefore require coordinated efforts and cooperation between the farmers who produce food and the planners and policy makers who manage the supporting systems such as markets, inputs and land registration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,584
Score d'incertitude au seuil0,371

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,009
Tête enseignante GPT0,226
Écart entre enseignants0,217 · 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 tête enseignante, 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

Citations50
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Agricultural SustainabilityMême sujetUrban Agriculture and SustainabilityTravaux en français237 207