An agro-economic model comparison of cropland change until 2050
Notice bibliographique
Résumé
The future development of land under agricultural production has important implications for environment and climate. Different methods to project future agricultural land use have been published indicating large uncertainty due to different model assumptions and methodologies. In this paper we present a first comparison of global agro-economic models, which have been harmonized on drivers like future population, GDP growth and biophysical yields. The comparison includes four partial and six general equilibrium models, which differ largely according to their modelled land supply and amount of available land. We analyse results of four scenarios: The reference scenario assumes no climate change and a medium pathway of economic growth and population development. The second scenario assumes higher economic growth and population, whereas scenario three and four assume the impacts of climate change on crop yields (HadGEM2, RCP 8.5) and differ according to the used crop model to project the yield changes (DSSAT and LPJmL). Most models (7 out of 10) project an increase of cropland of around 10 to 25% by 2050 compared to 2005, whereas one model projects a decrease. Across all models most of the cropland expansion takes place in South America and Sub-Saharan Africa but also in North America (especially Canada), if the impacts of climate change are considered. In general, the strongest differences in model results are related to differences in the costs or substitution elasticities of land expansion, the endogenous productivity responses and the assumed development of bioenergy demand.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».