A Blueprint for Building Resilience and Food Security in <scp>MENA</scp> and <scp>SSA</scp> Drylands: Diversifying Agriculture With Neglected and Underutilized Species
Notice bibliographique
Résumé
ABSTRACT Drylands, encompassing 41% of global land and supporting over 2 billion people, face significant challenges, including water scarcity, extreme temperatures, and soil degradation. Dryland spans vast areas of Middle East and North Africa (MENA) and Sub‐Sahara Africa (SSA) regions and poses a threat to food security and resilience. This study examines the potential of neglected and underutilized species (NUS) to improve dryland food and nutrition security, focusing on their agronomic performance, water productivity, economic viability, and nutritional benefits. Using long‐term data from FAOSTAT, USDA Food Data Central, and peer‐reviewed literature, we analyzed trends in the cultivation, yield, and nutritional contributions of 26 NUS across 22 countries in the MENA region comparing them with major staples—rice, wheat, and maize. Between 1961 and 2022, NUS crop areas in MENA fluctuated, decreasing by 7.0% since 2018 to 21.17 Mha. Despite this, NUS demonstrated superior water productivity—up to 30% higher than major cereals. For instance, sorghum and cowpea achieved 2.5 kg/m 3 compared to maize (0.83 kg/m 3 ) and wheat (0.91 kg/m 3 ) and exhibited strong heat tolerance, withstanding temperatures of up to 42°C and 38°C, respectively. Despite a negative trade balance, NUS significantly contributed to dietary calories, surpassing wheat. A field experiment in Merchouch, Morocco, confirmed that NUS offered a higher economic value per unit than wheat, and outperformed conventional crops across key indicators. Integrating NUS into dryland farming systems can enhance food security, sustainability, and resilience to climate change. Advancing NUS requires breeding programs, tailored good agricultural practices, value addition and market linkage, supportive policies, and farmer education. Collaborative efforts among international organizations, governments, and civil society are crucial to mainstreaming NUS in agrifood systems and contributing to the diversity, sustainability, and resilience of dryland farming systems in MENA and SSA regions.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».