Human-induced climate change has decreased wheat production in northern Kazakhstan
Notice bibliographique
Résumé
Abstract Northern Kazakhstan is a major wheat exporter, contributing to food security in Central Asia and beyond. However, wheat yields fluctuate and low-producing years occur frequently. It is currently unclear to what extent human-induced climate change contributes to this. The most severe low-producing year in this century was in 2010, which had severe consequences for the food security of wheat-importing countries. Here, we present a climate impact attribution study that quantifies the impact of human-induced climate change on the average wheat production and associated economic revenues in northern Kazakhstan in the 21st century and on the likelihood of a low-production year like 2010. The study uses bias-adjusted counterfactual and factual climate model data from two large ensembles of latest-generation climate models as input to a statistical subnational yield model. We consider the climate data and the yield model as fit for purpose as first, the factual climate simulations represent the observations, second, the out-of-sample validation of the yield model performs reasonably well with a mean R 2 of 0.54, and third, the results are robust under the performed sensitivity tests. Human-induced climate change has had a critical impact on wheat production, specifically through increases in daily-minimum temperatures and extreme heat. This has resulted in a decrease in yields during 2000–2019 by approximately 6.2%–8.2% (uncertainty range of two climate models) and an increased likelihood of the 2010 low-production event by 1.5–4.7 times (10th to 90th percentile uncertainty range covering both climate models). During 2000–2019, human-induced climate change caused economic losses estimated at between 96 and 180 million USD per year (10th to 90th percentile uncertainty range covering both climate models). These results highlight the necessity for ambitious global mitigation efforts and measures to adapt wheat production to increasing temperatures, ensuring regional and global food security.
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) | 0,000 | 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) | 0,001 | 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 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 ».