Exploring the key drivers of crop yields in Morocco – a systematic review
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
Introduction Morocco's agricultural sector faces significant socio-environmental challenges that threaten food security and economic development. A comprehensive assessment of these challenges is crucial for informed decision-making at both national and farm scales. This study aims to identify and analyze key drivers influencing crop yields in Morocco, with a focus on grain crops, by integrating climatic, socio-economic, and biophysical factors. Methods A systematic review of 135 peer-reviewed and grey literature sources published between 1990 and 2024 was conducted. The review examines both climatic and non-climatic factors affecting crop yields, particularly for wheat, a staple in Morocco’s food system. Results Precipitation emerged as the primary driver of crop yields, with approximately 15.6% of the literature analyzed emphasizing its impact. Other significant factors include irrigation, fertilization, water stress, temperature, technical efficiency, soil properties, conservation agriculture, insects and pests, sowing date, drought, crop varieties and genetics, diseases, herbicides, and extreme climatic events. These drivers interact in complex ways, with precipitation and irrigation playing pivotal roles in mitigating water stress and enhancing crop productivity. Discussion The findings highlight the intricate dependencies between climatic and agronomic factors affecting Morocco's grain production. Understanding these interactions is essential for policymakers and farmers to develop strategies that enhance agricultural sustainability and resilience. This study provides a foundation for impact-based analysis and evidence-based decision-making to improve productivity and ensure food security in Morocco.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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