Resilient foods for preventing global famine: a review of food supply interventions for global catastrophic food shocks including nuclear winter and infrastructure collapse
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Global catastrophic threats to the food system upon which human society depends are numerous. A nuclear war or volcanic eruption could collapse agricultural yields by inhibiting crop growth. Nuclear electromagnetic pulses or extreme pandemics could disrupt industry and mass-scale food supply by unprecedented levels. Global food storage is limited. What can be done?. This article presents the state of the field on interventions to maintain food production in these scenarios, aiming to prevent mass starvation and reduce the chance of civilizational collapse and potential existential catastrophe. The potential for rapid scaling, affordability, and large-scale deployment is reviewed for a portfolio of food production methods over land, water, and industrial systems. Special focus is given to proposing avenues for further research and technology development and to collating policy proposals. Maintaining international trade and prioritizing crops for food instead of animal feed or biofuels is paramount. Both mature, proven methods (crop relocation, plant-residue- and grass-fed ruminants, greenhouses, seaweed, fishing, etc.) and novel resilient foods are characterized. A future research agenda is outlined, including scenario characterization, policy development, production ramp-up and economic analyses, and rapid deployment trials. Governments could implement national plans and task forces to address extreme food system risks, and invest in resilient food solutions to safeguard citizens against global catastrophic food failure.
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.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 découle