Modelling regional cropping patterns under scenarios of climate and socio-economic change in Hungary
Notice bibliographique
Résumé
Impacts of socio-economic, political and climatic change on agricultural land systems are inherently uncertain. The role of regional and local-level actors is critical in developing effective policy responses that accommodate such uncertainty in a flexible and informed way across governance levels. This study identified potential regional challenges in arable land use systems, which may arise from climate and socio-economic change for two counties in western Hungary: Veszprém and Tolna. An empirically-grounded, agent-based model was developed from an extensive farmer household survey about local land use practices. The model was used to project future patterns of arable land use under four localised, stakeholder-driven scenarios of plausible future socio-economic and climate change. The results show strong differences in farmers' behaviour and current agricultural land use patterns between the two regions, highlighting the need to implement focused policy at the regional level. For instance, policy that encourages local food security may need to support improvements in the capacity of farmers to adapt to physical constraints in Veszprém and farmer access to social capital and environmental awareness in Tolna. It is further suggested that the two regions will experience different challenges to adaptation under possible future conditions (up to 2100). For example, Veszprém was projected to have increased fallow land under a scenario with high inequality, ineffective institutions and higher-end climate change, implying risks of land abandonment. By contrast, Tolna was projected to have a considerable decline in major cereals under a scenario assuming a de-globalising future with moderate climate change, inferring challenges to local food self-sufficiency. The study provides insight into how socio-economic and physical factors influence the selection of crop rotation plans by farmers in western Hungary and how farmer behaviour may affect future risks to agricultural land systems under environmental change.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».