Environmental Impact of Food, Fruit and Vegetable Waste during COVID-19 Pandemic: A Review
Notice bibliographique
Résumé
Apart from the major health impact, Coronavirus Disease-2019 (COVID-19) has impacted almost all sectors across the world. One of them is food, Fruit and Vegetable Markets (FVM). Lockdown implementation had different impacts in different countries, like Canada and the United Kingdom (UK) where they have logistics and supply chain of food, fruits and vegetable items and noted a shift in supply from food service to the retail channel, although the fresh food supply remains unaffected. A similar trend was seen in the metro cities of India, where online shopping has increased. In the food supply sector, both retailers and farmers had to face difficulty in storing, transporting, and selling of the goods and had to bear losses due to increased wastage. Although with an increased demand, organic farming has increased but still increased expenditure, less yield, and selling of the products are the major challenges in front of them. Food, fruit and vegetable wastes have considerably reduced at the food supply due to the obvious impact of lockdown on food supplies, however, a shortage of cold storages and supply chain at the farmer level in developing countries has resulted in more wastage. Developed countries reported increased illegal dumping of wastes in the rural areas and the stoppage of the recycling services due to the lockdown. Also, a shift in the habits of the consumer due to health and food-related issues has been seen throughout the world resulting in reduced waste generation at the consumer level. Despite all this, agricultural producer and the retail industry appears to be best placed to weather the storm. The major challenges related to the industry are sustainability in the food chain and maintaining smooth logistics and necessary precautionary measures in the event of health crises in the future.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».