‘Decoupling’ land productivity and greenhouse gas footprints: A review
Notice bibliographique
Résumé
Abstract A major challenge of our time is to produce sufficient nutrient‐rich food for the ever‐growing human population with limited land resources. There is a huge gap between current yields and genetic potential in many crops, which can be narrowed by enhancing land productivity. High‐input cropping increases crop yields, but heavy fertilizer and pesticide use can lead to land degradation, increase greenhouse gas footprint, and carry significant risks for eutrophication. What efforts can be taken to ‘decouple’ land productivity and the environmental footprint? Can land productivity increase while concurrently minimizing the environmental footprint? Here, we show that an integrated systems approach can minimize the tradeoff to achieve an effective ‘decoupling’ outcome. Some key components that can be integrated into a system include (i) intensifying crop rotations to enhance carbon conversion from atmospheric CO2 to plant biomass, (ii) diversifying cropping systems to enhance residual soil water and nutrient use and increase systems resilience, (iii) including N2‐fixing pulse crops in rotations to reduce synthetic fertilizer use, (iv) improving fertilizer‐N use efficiency to lower N2O emissions, and (v) sequestering more carbon to the soil to potentially offset CO2 equivalent emissions from cropping inputs. Integration of these proven cropping practices into a system creates a powerful synergy among individual components, thereby improving land productivity and systems resilience for long‐term sustainability. Relevant economic and agro‐environmental policies are needed to reinforce the adoption of a systems approach at the local farm level.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».