Elucidating Traditional Rice Varieties for Consilient Biotic and Abiotic Stress Management under Changing Climate with Landscape-Level Rice Biodiversity
Notice bibliographique
Résumé
Rice is grown under diverse agro-climatic conditions and crop management regimes across the globe. Emerging climatic-vulnerabilities and the mismatched farm practices are becoming major challenges for poor or declining rice productivity in potential rice growing regions, especially South Asia. In the biodiversity-rich landscapes of South Asia, many traditional rice varieties (TRVs) are known to exhibit resilience to climate change and climate adaptation besides their therapeutic benefits. Hence, a random sample survey of farmers (n = 320), alongwith secondary data collection from non-governmental organizations/farmers’ organizations/farmers, led to documentation of the information on TRVs’ biodiversity in South Asia. The current study (2015–2019) explored and documented ~164 TRVs which may enhance the resilience to climatic-risks with improved yields besides their unique therapeutic benefits. A large number of TRVs have still not been registered by scientific organizations due to poor awareness by the farmers and community organizations. Hence, it is urgently needed to document, evaluate and harness the desired traits of these TRVs for ecological, economic, nutritional and health benefits. This study suggests taking greater cognizance of TRVs for their conservation, need-based crop improvement, and cultivation in the niche-areas owing to their importance in climate-resilient agriculture for overall sustainable rice farming in South Asia so as to achieve the UN’s Sustainable Development Goals.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».