MétaCan
Menu
Retour à la cohorte
Enregistrement W3203998663 · doi:10.1038/s43247-021-00255-y

Coupled social and land use dynamics affect dietary choice and agricultural land-use extent

2021· article· en· W3203998663 sur OpenAlexafffund
Saptarshi Pal, Chris T. Bauch, Madhur Anand

Notice bibliographique

RevueCommunications Earth & Environment · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensUniversity of GuelphUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence FundJames S. McDonnell Foundation
Mots-clésAgricultureAgricultural landLand useLand use, land-use change and forestryYield (engineering)Natural resource economicsPopulationAffect (linguistics)HectareGeographyEnvironmental resource managementEnvironmental scienceAgricultural economicsEconomicsEcologyBiologySociologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Dietary patterns have long been a driver of global land use. Increasingly, they also respond to it, in part because of social processes that support adoption of eco-conscious diets. Here we develop a coupled social-and-land use mathematical model parameterised for 153 countries. We project global land use for future population, income, and agricultural yield using our coupled dynamical model. We find that coupled social-and-land feedbacks can alter the peak global land use for agriculture by up to 2 billion hectares, depending on the parameter regime. Across all yield scenarios, the model projects that social dynamics will cause an increase in eco-conscious dietary behaviour until the middle of the 21st century, after which it will decline in response to declining land use caused by a shrinking global population. The model also exhibits a regime of synergistic effects whereby simultaneous changes to multiple socio-economic parameters are required to change land use projections. This research demonstrates the value of including coupled social-and-land feedbacks in land use projections.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,845

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,245
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCommunications Earth & EnvironmentMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207