Increasing risks of crop failure and water scarcity in global breadbaskets by 2030
Notice bibliographique
Résumé
Abstract As the greatest water user in the world, the agricultural sector is vulnerable to changes in climate and water resource availability. Understanding the impact of these changes on crop yield is critical in order to achieve and maintain global food security. We analyze output from an ensemble of Agricultural Model Intercomparison and Improvement Project models to project the probability of rice, soybean, maize, and wheat yield failures across global and national breadbaskets through mid-century. The probability of crop yield failures is projected to be as much as 4.5 times higher by 2030 and up to 25 times higher by 2050 across global breadbaskets. Crop failures are projected to be more likely when effects of CO 2 fertilization are ignored. We utilize the open-source Aqueduct Water Risk Atlas to create a Water Scarcity Index composed of ten hydrological variables. The index reveals high water scarcity across crop breadbaskets in India, China, and the United States. If the ability to irrigate breadbaskets was eliminated due to water scarcity, the likelihood of crop failures would increase. Shifts in breadbaskets may cross national borders as crop yields will increase in Canada and decrease in the US as a response to a changing climate. Our analysis highlights top producing agricultural regions that have historically provided the global food system with large quantities of one or more major crops, but will face challenges in continuing to do so due to climate change and growing water scarcity.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».