MétaCan
Menu
Retour à la cohorte
Enregistrement W2782173814

The impact of global drivers on agriculture and land-use

2012· preprint· fr· W2782173814 sur OpenAlexaboutno aff
Thierry Brunelle

Notice bibliographique

RevueAgritrop (Cirad) · 2012
Typepreprint
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceForestryGeographyArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Dans un contexte de tensions à venir sur la ressource foncière, l'objectif de cette thèse est d'étudier l'influence des déterminants globaux, que sont la mondialisation et le changement climatique, sur l'agriculture et les changements d'usages des sols. Pour mener cette étude, un nouveau modèle d'usage des sols, appelé ''Nexus Land-Use", est développé afin de permettre une vision cohérente du système socio-biosphérique. Les modèles existants sont d'abord examinés, avec pour objectif d'évaluer leur capacité à estimer les changements indirects d'affectation des terres liés aux biocarburants (CIAT). Les CIAT constituent un symptôme caractéristique de l'influence des déterminants globaux en ce qu'ils résultent des flux internationaux d'échanges. Leur estimation représente un défi pour les modélisateurs car elle nécessite une vision intégrée du système agricole, avec une prise en compte au niveau global des côtés offre et demande du secteur agricole. Il apparaît que malgré des progrès significatifs sur la représentation de l'offre de terres et du secteur de la bioénergie, les modèles existants ne parviennent pas encore à fournir une évaluation robuste des CIAT, du fait notamment d'estimations divergentes des élasticité-prix des rendements agricoles et de la demande alimentaire. Pour répondre au défi posé par la modélisation des déterminants globaux, cette thèse présente le modèle Nexus Land-Use. Fondé sur une représentation des mécanismes d'intensification agricole, à la fois au niveau de la production végétale et animale, ce modèle a pour caractéristiques de combiner au sein d'un seul outil l'économie et la biophysique, et de représenter les effets multi-échelles en intégrant l'hétérogénéité locale dans une architecture globale. La spécificité de ce modèle est également de calculer la rente foncière de manière endogène, ce qui permet, en particulier, de représenter l'effet de la substitution terre-engrais sur les usages des sols, compte tenu de scénarios exogènes de prix des intrants chimiques. A l'aide de ce modèle, l'influence de la mondialisation sur l'agriculture est ensuite étudiée au travers du prisme des régimes alimentaires. A partir de trois scénarios de consommation alimentaire représentatifs, l'analyse démontre l'importance de la convergence des régimes alimentaires comme facteur de tensions sur les usages des sols. Nos résultats révèlent qu'une convergence de l'ensemble du monde sur le régime alimentaire des Etats-Unis d'ici 2050 ne serait pas possible avec les tendances actuelles en matières d'expansion agricole. Les interactions entre le scénario alimentaire et les autres politiques affectant les usages des sols - soutien aux biocarburants et réduction de la déforestation - sont aussi mises en lumière, et certaines options permettant de réduire les tensions sur la ressource foncière testées. Dans un dernier chapitre, deux perspectives de développement du modèle sont présentées afin d'analyser la question du changement climatique. Elles concernent en premier lieu le couplage avec Imaclim-R, dont l'objectif est d'intégrer une valeur cohérente de la rente foncière dans le prix agricole et les courbes d'offre de biomasse énergie. Il s'agit également d'inclure dans le Nexus Land-Use les variations de rendement des cultures simulées par le modèle de végétation ORCHIDEE sous un scénario de changement climatique. Sur ce dernier point, les premiers résultats montrent que le changement climatique conduirait à une relocalisation partielle de la production agricole des pays du Sud (Afrique, Amérique Latine) vers les pays du Nord (principalement Canada et Russie).

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 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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,263
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,022
Tête enseignante GPT0,263
Écart entre enseignants0,241 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgritrop (Cirad)Même sujetAgriculture and Rural Development ResearchTravaux en français237 207