Does Climate Change Affect the Yield of the Top Three Cereals and Food Security in the World?
Notice bibliographique
Résumé
Climate prediction models suggest that agricultural productivity will be significantly affected in the future. The expected rise in average global temperature due to the higher release of greenhouse gases (GHGs) into the atmosphere and increased depletion of water resources with enhanced climate variability will be a serious threat to world food security. Moreover, there is an increase in the frequency and severity of long-lasting drought events over 1/3rd of the global landmass and five times increase in water demand deficits during the 21st century. The top three cereals, wheat (Triticum aestivum), maize (Zea mays), and rice (Oryza sativa), are the major and staple food crops of most people across the world. To meet the food demand of the ever-increasing population, which is expected to increase by over 9 billion by 2050, there is a dire need to increase cereal production by approximately 70%. However, we have observed a dramatic decrease in area of fertile and arable land to grow these crops. This trend is likely to increase in the future. Therefore, this review article provides an extensive review on recent and future projected area and production, the growth requirements and greenhouse gas emissions and global warming potential of the top three cereal crops, the effects of climate change on their yields, and the morphological, physiological, biochemical, and hormonal responses of plants to drought. We also discuss the potential strategies to tackle the effects of climate change and increase yields. These strategies include integrated conventional and modern molecular techniques and genomic approach, the implementation of agronomic best management (ABM) practices, and growing climate resilient cereal crops, such as millets. Millets are less resource-intensive crops and release a lower amount of greenhouse gases compared to other cereals. Therefore, millets can be the potential next-generation crops for research to explore the climate-resilient traits and use the information for the improvement of major cereals.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».