Sustainable cereal production through integrated crop management: a global review of current practices and future prospects
Notice bibliographique
Résumé
Among cereals, three crops namely maize, wheat, and rice account for 90% of the total cereal production, with global production levels of 791.2, 522.6, and 1229.63 million tons for wheat, rice and maize, respectively. The global challenges of food insecurity, climate variability, and unsustainable land use necessitate a redefined approach to cereal production, focusing on climate resilience, low vulnerability, and high productivity while establishing food and environmental safety. Integrated crop management (ICM) offers a holistic farming approach that integrates various agricultural practices to ensure long-term benefits and mitigate risks. This comprehensive review examined a total of 108 documented studies from existing literature pertaining to the last 23 years, besides case studies on ICM in rice, wheat, and maize production, analyzing its benefits, challenges, and future directions. In Asian countries, where rice is a staple food, ICM practices have effectively addressed challenges such as yield stagnation, declining profits, and crop failures. Nutrient and pest management, along with conservation agriculture (CA), have played a crucial role in overcoming these challenges. China’s implementation of site-specific management duly integrated with other practices, has successfully reduced excessive nitrogen use besides improved environmental and health outcomes. Sustainable corn production has been achieved in the USA and Africa through comprehensive implementation of CA and crop diversification. Globally, ICM has demonstrated yield increases of 10–19% for rice, 16–30% for wheat, and 13.5–30% for maize crops. Despite having ample potential, the widespread adoption of ICM faces technical, climate-related, and economic constraints. Overcoming these challenges requires targeted training, extension services, and supportive policies. Furthermore, future research should focus on addressing key knowledge gaps to facilitate the widespread implementation of ICM. While promoting climatic resilience and sustainability in cereal production systems, ICM can contribute to food security and environmental preservation globally.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».