Agricultural Innovations for Sustainable Crop Production Intensification
Notice bibliographique
Résumé
Sustainable crop production intensification should be the first strategic objective of innovative agronomic research for the next 40 years. A range of options exist (often very location specific) for farming practices, approaches and technologies that ensure sustainability, while at the same time improving crop production. The main challenge is to encourage farmers in the use of appropriate technologies,  and  to  ensure that  knowledge  about  sound  production  practices  is  increasingly accepted and applied by farmers. There is a huge, but underutilized potential to link farmers’ local knowledge with science-based innovations, through favourable institutional arrangements.  The same  holds  for  the  design,  implementation and  monitoring  of  improved  natural  resource management that links community initiatives to external  expertise.  It is also suggested that a comprehensive effort be undertaken to measure different stages of the innovation system, including technological adoption and diffusion at the farm level, and to investigate the impact of agricultural policies on technological change and technical efficiency. This paper provides a brief review of agronomic management practices that support sustainable crop production system and evidence on developments  in the selection of crops and cultivars; describes farming systems for crop which take a predominantly ecosystem approach; discusses the scientific application of ecosystem principles for the management of pest and weed populations; reviews the improvements in fertilizer and nutrient management that explain productivity growth; describes the benefits and constraints of irrigation technologies; and suggests a way forward. Seven changes in the context for agricultural development are proposed that heighten the need to examine how innovation occurs in the agricultural sector.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».