MétaCan
Menu
Retour à la cohorte
Enregistrement W2565043832 · doi:10.1007/s10584-016-1867-y

Regional modeling of climate change impacts on smallholder agriculture and ecosystems in Central America

2016· article· en· W2565043832 sur OpenAlexfundno aff
Lee Hannah, Camila I. Donatti, Célia A. Harvey, Eric J. Alfaro, Daniel Andrés Rodríguez, Claudia Bouroncle, Edwin Castellanos, Freddy Díaz Díaz, Emily Fung, Hugo G. Hidalgo, Pablo Imbach, Peter Läderach, Jason P. Landrum, Ana Lucía Solano

Notice bibliographique

RevueClimatic Change · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensnon disponible
Organismes subventionnairesBundesministerium für Umwelt, Naturschutz, Bau und ReaktorsicherheitInternational Development Research CentreUnited States Agency for International Development
Mots-clésClimate changeLivelihoodVulnerability (computing)AgricultureEcosystemEnvironmental resource managementEcosystem servicesClimate modelGeographyNatural resource economicsAgroforestryEnvironmental scienceEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

Climate change will have serious repercussions for agriculture, ecosystems, and farmer livelihoods in Central America. Smallholder farmers are particularly vulnerable due to their reliance on agriculture and ecosystem services for their livelihoods. There is an urgent need to develop national and local adaptation responses to reduce these impacts, yet evidence from historical climate change is fragmentary. Modeling efforts help bridge this gap. Here, we review the past decade of research on agricultural and ecological climate change impact models for Central America. The results of this review provide insights into the expected impacts of climate change and suggest policy actions that can help minimize these impacts. Modeling indicates future climate-driven changes, often declines, in suitability for Central American crops. Declines in suitability for coffee, a central crop in the regional economy, are noteworthy. Ecosystem models suggest that climate-driven changes are likely at low- and high-elevation montane forest transitions. Modeling of vulnerability suggests that smallholders in many parts of the region have one or more vulnerability factors that put them at risk. Initial adaptation policies can be guided by these existing modeling results. At the same time, improved modeling is being developed that will allow policy action specifically targeted to vulnerable groups, crops, and locations. We suggest that more robust modeling of ecological responses to climate change, improved representation of the region in climate models, and simulation of climate influences on crop yields and diseases (especially coffee leaf rust) are key priorities for future research.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,206
Score d'incertitude au seuil0,410

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,109
Tête enseignante GPT0,263
Écart entre enseignants0,154 · 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'étudeSimulation ou modélisation
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

Citations101
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClimatic ChangeMême sujetClimate change impacts on agricultureTravaux en français237 207