Integrated strategies for enhancing agrifood productivity, lowering greenhouse gas emissions, and improving soil health
Notice bibliographique
Résumé
Global agrifood systems face three interconnected challenges: ensuring food security, promoting environmental sustainability, and restoring soil health in the face of climate change. Conventional practices have prioritized productivity over ecological resilience, leading to soil degradation, increased greenhouse gas (GHG) emissions, and inefficient resource utilization. Here, we introduce a "triple-goal" agrifood framework that enhances food production, soil health, and GHG mitigation simultaneously through integrated innovations. Using a second-order meta-analysis of 104 meta-analyses that cover 39,162 studies and 300,139 global field comparisons, we identified key interventions, including optimized fertigation, diversified cropping systems, organic amendments, and precision N management, that increased productivity by 14%–28% while reducing environmental impacts. Diversified systems boosted yields by 19.6% and reduced land use by 19%. Integrating legumes and cover crops lowered N 2 O emissions by 18%–65%, while organic amendments increased soil organic carbon stocks by 7%–13%. Structural equation modeling identified nitrogen use efficiency and microbial activity as central to the food-soil-emissions nexus. However, tradeoffs remain; yield-focused strategies can elevate emissions if not tailored to local conditions. By integrating agronomic, biological, and technological interventions such as conservation tillage, biofertilization, and digital agriculture, this triple-goal framework supports a 15%–30% reduction in anthropogenic CO 2 -equivalent emissions. These findings underscore the need for policy reform and multi-stakeholder collaboration to scale up the adaptation of integrated strategies in alignment with the UN's Sustainable Development Goals and the "One Health" initiative. The triple-goal framework provides a transformative pathway to climate-smart, equitable, and resilient agrifood systems that strike a balance between productivity and planetary health.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».