Crop diversity buffers the impact of droughts and high temperatures on food production
Notice bibliographique
Résumé
Abstract Weather extremes like droughts and heat waves are becoming increasingly frequent worldwide, with severe consequences for agricultural production and food security. Although the effects of such events on the production of major crops is well-documented, the response of a larger pool of crops is unknown and the potential of crop diversity to buffer agricultural outputs against weather extremes remains untested. Here, we evaluate whether increasing the diversity of crop portfolios at the country level confers greater resistance to a country’s overall yield and revenues against losses to droughts and high temperatures. To do this, we use 58 years of annual data on weather, crop yields and agricultural revenues for 109 crops in 127 countries. We use the spatial distribution of each crop and their cropping cycle to determine their exposure to weather events. We find that growing greater crop diversity within countries reduces the negative impacts of droughts and high temperatures on agricultural outputs. For drought, our results suggest that the effect is explained not only by crop diversity itself, but also by the sensitivity of the most abundant crops (in terms of harvested areas) to this extreme. Countries dedicating more land to minor, drought-tolerant crops reduce the average sensitivity of country-scale crop portfolios and show greater resistance of yield and revenues to drought. Our study highlights the unexploited potential for putting crop biodiversity to work for greater resilience to weather, specifically in poorer developing countries that are likely to suffer disproportionately from climate change impacts.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».