A Whole Earth Approach to Nature-Positive Food: Biodiversity and Agriculture
Notice bibliographique
Résumé
Abstract Agriculture is the largest single source of environmental degradation, responsible for over 30% of global greenhouse gas (GHG) emissions, 70% of freshwater use and 80% of land conversion: it is the single largest driver of biodiversity loss (Foley JA, Science 309:570–574, 2005, Nature 478:337–342, 2011; IPBES. Global assessment report on biodiversity and ecosystem services of the Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services. IPBES Secretariat, Bonn, 2019; Willett W et al. The Lancet 393:447–492, 2019). Agriculture also underpins poor human health, contributing to 11 million premature deaths annually. While too many still struggle from acute hunger, a growing number of individuals, including in low to middle-income countries (LMICs), struggle to access healthy foods. Greater consideration for, and integration of, biodiversity in agriculture is a key solution space for improving health, eliminating hunger and achieving nature-positive development objectives. This rapid evidence review documents the best available evidence of agriculture’s relationships with biodiversity, drawing on the contributions of leading biodiversity experts, and recommends actions that can be taken to move towards more biodiversity/nature-positive production through the delivery of integrated agricultural solutions for climate, biodiversity, nutrition and livelihoods. The analysis, which takes a whole-of-food-system approach, brings together a large body of evidence. It accounts for aspects not typically captured in a stand-alone primary piece of research and indicates where there are critical gaps.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».