Notice bibliographique
Résumé
Global status and progress of commercialized transgenic crops were reviewed.The acreage of transgenic crops increased rapidly since 1996 and reached 148 million hectares in 2010,which was equivalent to 10% of the total acreage of all crops in the world,and the 87-fold of 1.7 million hectares in 1996.Ten million hectares increased every year.The acreage of transgenic crops reached 1 097 million hectares from 1996 to 2010,and reached 521 million hectares in recent 4 years that was the proximal amount of acreage from 1996 to 2006.Number of countries planting transgenic crops soared to a record 29 in 2010.In addition,30 countries imported transgenic crop for food,feed and environmental release whose population was 75% of the total population of world.Transgenic crops were mainly planted in USA(45.1%),Brazil(17.2%),Argentina(15.5%),India(6.4%)and Canada(5.9%).24 kinds of plants were approved for planting and soybean(49.5%),maize(31.6%),cotton(14.2%) and rapeseed(4.7%) were mostly important transgenic crops and with high adoption rates of 81%,64%,29% and 23% respestively.Transgenic traits were mainly herbicide tolerance(61%),stacked traits(22%) and insect resistance(17%).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».