MétaCan
Menu
Retour à la cohorte
Enregistrement W2781775837 · doi:10.5539/sar.v7n1p118

Organic Farming Suffices to Feed a Country: a Large-Scale Linear Programming Model to Develop an Organic Agriculture Plan for Turkey

2018· article· en· W2781775837 sur OpenAlexvenueno aff
Bulut Aslan, Aynur Demir

Notice bibliographique

RevueSustainable Agriculture Research · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArable landAgriculturePopulationOrganic farmingSustainabilityAgricultural economicsLivestockHectareLand useForageAgricultural scienceEnvironmental scienceAgroforestryBusinessGeographyEconomicsAgronomyBiologyEcologyForestry

Résumé

récupéré en direct d'OpenAlex

A frequently voiced critique is that due to lower yields on organically managed farmlands, one cannot feed a country using organic agriculture. In this paper, we aim to mathematically disprove this claim by developing a linear programming model and produce a detailed agriculture plan for Turkey sufficient to feed her population with a 2400 kcal daily menu on average, solely comprising of organic foods. The model uses information about population sizes and food needs of 81 cities in Turkey, and yields of 120 food, feed, forage crops, and four animal products. Intensive and extensive livestock production methods as well as food transportation between cities has been incorporated into the model. The resulting problem with 950 thousand variables and 40 thousand constraints can be solved with an optimization package in under a minute. Results, prescribing how many acres of each crop should be grown in each city, indicate that to feed the country fully on organic produce, 63% of the arable land suffices, yielding 8.9 million hectares of unused land where further organic foods could be grown for export or aid. We also run the model under different scenarios: fully vegetarian diet, omnivore model, different transportation structures, drought conditions and a limit on fruit trees. With this work, we have shown that it is possible to feed the whole population of Turkey with an agricultural practice that is not harmful to human health, soil, water and air; respects biological cycles and reduces food miles and fossil fuel consumption, thus contributing to sustainability and fighting climate change. We tested preliminary scenarios to understand the robustness of organic agriculture in the face of extreme weather events. The proposed model can also be applied to other countries when appropriate data are used.

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)0,001
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 enseignants0,040
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,022
Tête enseignante GPT0,310
Écart entre enseignants0,288 · 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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207