MétaCan
Menu
Retour à la cohorte
Enregistrement W2107501473 · doi:10.1111/poms.12007

Optimal Crop Choice, Irrigation Allocation, and the Impact of Contract Farming

2013· article· en· W2107501473 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueProduction and Operations Management · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAgricultural diversificationAgricultureIrrigationDiversification (marketing strategy)Irrigation districtFood securityWater rightBusinessEconomicsAgricultural engineeringAgricultural economicsWater resourcesAgronomy

Résumé

récupéré en direct d'OpenAlex

The changing climate and concerns over food security are prompting a new look at the supply chain reliability of products derived from agriculture, and the potential role of contract farming as a mechanism to address climate and price risk while contributing toward crop diversification and water use efficiency is also emerging. In this study, the decision problem of a farmer associated with allocating his land among different crops with varying water requirements is considered, given that a subset of the crops may be associated with a forward contract that is being offered by a buyer. The problem includes a decision to acquire a certain amount of irrigation water capacity prior to the season and to allocate this capacity as irrigation water to be applied during the season to each of the crops selected. Rainfall in the growing season and the market price of each crop at the end of the season are considered to be random variables. Two stochastic programming models are developed to consider facets of this problem and to understand how contracts that reduce market price uncertainty from the problem may change the farmer's decision. The structural properties of these models are discussed, and selected implications are illustrated through an application to data from the Ganganagar district in Rajasthan, India.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,255

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,213
Écart entre enseignants0,206 · 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