Technology, Policy, and Market Adaptation Mechanisms for Sustainable Fresh Produce Industry: The Case of Tomato Production in Florida, USA
Notice bibliographique
Résumé
Tomato (Solanum lycopersicum L.) is an important vegetable crop in Florida, a state located in the south-eastern region of the United States. The state is the second largest producer of tomatoes in the country and contributes to almost 90% of the domestic winter tomato supplies. However, tomato farmers in Florida have come under increasing pressure due to climate changes, foreign imports, and rising production costs. The purpose of this paper is to analyze whether Florida tomato growers will continue to sustain their production given the seasonal and geographic production advantage, yet against various internal and external threats emerging throughout the fresh produce supply chain. We developed our study on a multi-disciplinary conceptual model of network (supply chain) relationship and primary and secondary data gathered from various stakeholders and the literature. We found that Florida farmers have done remarkably well by adapting to warming temperatures and changing consumer expectations about environmental sustainability and responsible labor practices. However, foreign competition, labor shortage, the rising costs of inputs, extreme weather events (hurricanes), and pests and diseases due to humid climate continue to affect the sustainability of the Florida tomato production. Our paper suggests various farm-, market-, and institution-level adaptation mechanisms for preventing the regional production advantage of the Florida tomato industry from eroding. Newer immigration laws are necessary for easing the labor situation. In order to have a level playing field with respect to the use of protected agriculture technology such as in Mexico and Canada, U.S. farmers in general and Florida farmers in particular need government support. Florida farmers need to diversify their fresh produce market strategies, finding new product streams. There is also a need for reforming the product certification landscape, which some growers find cumbersome and cost prohibitive. Growers may gain from being better able to convey to consumers the information regarding their effort put into environmental sustainability, workers welfare, and safe food.
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 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».