MétaCan
Menu
Retour à la cohorte
Enregistrement W4412585485 · doi:10.1007/s13412-025-01038-z

El Niño-Southern Oscillation impacts in a coffee growing region of Colombia and adaptations mechanisms among coffee producers

2025· article· en· W4412585485 sur OpenAlexafffund
Juan Mauricio Bedoya-Soto, Erika Acevedo, David Sauchyn, Germán Poveda, Alexandra Urán

Notice bibliographique

RevueJournal of Environmental Studies and Sciences · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCoffee research and impacts
Établissements canadiensUniversity of Regina
Organismes subventionnairesUniversidad de AntioquiaInternational Development Research CentreUniversidad Nacional de ColombiaCorporación Universitaria RemingtonUniversidad EAFIT
Mots-clésSustainable developmentSouthern oscillationOscillation (cell signaling)GeographyEl Niño Southern OscillationEnvironmental scienceEconomic geographyClimatologyBiologyEcologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Understanding the vulnerability of coffee production to shifting climate patterns is a global concern. In the Colombian Andes, specifically within the Chinchiná river basin (CRB), where the local economy relies heavily on coffee production, we investigate how coffee serves as a mediator between the El Niño-Southern Oscillation (ENSO) and local producers. Our qualitative/quantitative study at nine coffee farms focuses on the strong events of El Niño and La Niña during 2009–2010, 2010–2011, and 2015–2016. Monthly data from ground-based pluviometers and CHIRPS satellite-derived rainfall data, covering the entire study area, are integrated. Coupled with an examination of land surface temperature and vegetation activity using MODIS, we unveil relationships between climate, geography, and vegetation in this coffee-production zone. Orographic features significantly impact rainfall, concentrated in the most susceptible yet most suitable coffee area, which is also vulnerable to pest infestations enhanced by climate extremes. This research sheds light on socioeconomic and environmental dynamics, enhancing our understanding of how climate variability impacts production of coffee in the CRB.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,201

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,317
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Studies and SciencesMême sujetCoffee research and impactsTravaux en français237 207