Emerging new global soil governance structure in agrifood systems: Taking the “4 per 1,000” initiative as an example
Notice bibliographique
Résumé
Food systems emit 21%-37% of the global greenhouse gases (GHGs). Soil degradation, accelerated by global warming, poses a threat to over 40% of the land surfaces, threatening food security. Keeping soils alive and healthy could not only play a part in food security, but also in sequestrating GHGs for climate mitigation. In 2015, the “4 per 1,000” Initiative was launched in Paris COP21, indicating that a “4‰” annual growth rate of the soil organic carbon sequestration could hold the temperature increase within 1.5°C−2°C. However, major GHG emitting countries haven't signed the 4‰ Initiative at national level. Political willingness need to be encouraged though institutional innovations in the global soil governance (GSG). This article conducts a comprehensive policy review for the 4‰ Initiative and attempts to develop the concept of global soil governance from an aspect of New Common But Differentiated Responsibility. The SOC sink targets reveal that countries like China, India, the UK, the US, and France take more pains than those like Australia, Russia, and Canada. A new “soil carbon rich” and “soil carbon poor” divide is perceived, which needs to be taken into the GSG as a restructuring motivation for setting a more practical and integrated framework. In that sense, some developed countries face similar challenges as the developing countries do, but could contribute more in finance and technology. Bandwagon of applying sustainable agricultural land management (SALM) methodology in carbon markets implies that soil-climate co-benefits get greater practical momentum with quantified trading platforms, which may stimulate potentiality if embodied in Article 6 of the Paris Agreement .
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».