Assessing sustainability in agricultural landscapes: a review of approaches<sup>1,2</sup>
Notice bibliographique
Résumé
Research and development agencies, as well as policy makers and agri-food enterprises, need reliable data to support informed decisions that can improve the sustainability of agricultural landscapes. We present a review of agricultural sustainability assessment frameworks (ASAF) that identifies the features most relevant to monitoring progress towards sustainability goals for agricultural landscapes. This qualitative review considers a variety of approaches for defining goals and for selecting stakeholders, spatial and temporal boundaries, indicators, and analytical approaches. We focused on assessment frameworks that (i) include environmental, social, and economic implications of agriculture; (ii) are applicable to multiple, non-specified farm system types; (iii) are described in an English language, peer-reviewed publication; (iv) have been developed for use at a farm system to regional spatial scale; (v) engage stakeholders; (vi) provide case studies; and (vii) could be used in a variety of contexts across the globe. Based on the review, we provide recommendations for further development and use of assessment frameworks to better address the needs of agricultural research, extension, and development organizations. We recommend an agro-ecosystem approach to help stakeholders identify appropriate indicators for their situation. Assessment methods need to be flexible enough for adaptation to a spectrum of agricultural landscapes and changing environmental conditions, and remain relevant as farmers and other stakeholders acquire new information, resources, and different management techniques. We find that to address information gaps across different scales from farm to region will require creativity and some reliance on local knowledge systems to support adaptive management. Assessment results should communicate relationships among ecosystem services and socio-economic activities affected by agricultural landscapes. Visualization tools can facilitate understanding of trade-offs and synergies among sustainability goals as reflected by individual indicators.
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 | 0,011 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,011 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».