‘Decoupling’ land productivity and greenhouse gas footprints: A review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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 CO 2 to plant biomass, (ii) diversifying cropping systems to enhance residual soil water and nutrient use and increase systems resilience, (iii) including N 2 ‐fixing pulse crops in rotations to reduce synthetic fertilizer use, (iv) improving fertilizer‐N use efficiency to lower N 2 O emissions, and (v) sequestering more carbon to the soil to potentially offset CO 2 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle