Resilient Local Food Systems and Capabilities for Sustainable Development in Uttarakhand
Notice bibliographique
Résumé
This paper explores how resilient, locally rooted food systems in Uttarakhand can serve as a foundation for achieving nutrition, livelihood, and ecological security in alignment with the Sustainable Development Goals (SDGs). Drawing on Amartya Sen’s Capability Approach and recent literature on transformative resilience, the study argues that food resilience in mountain regions must go beyond short-term adaptation to build systems that expand human freedoms and capabilities. Using a combination of secondary data, regional policy analysis, and studies from Uttarakhand, the paper identifies key challenges, including the marginalization of traditional crops in food provisioning schemes, limited mountain-specific agricultural support, and institutional fragmentation across food, nutrition, and climate programs. At the same time, promising models—such as women-led food enterprises, local millet procurement, and climate-adaptive cropping practices—demonstrate how capability-enhancing interventions can promote both nutrition security and systemic resilience. The findings underscore the need for a more integrated and regionally sensitive policy framework that recognizes the ecological, cultural, and economic value of traditional food systems. The paper suggests policy focus areas that need to be undertaken by various key stakeholders to improve and attain sustainable development goals and capabilities of the region. By supporting traditional local food and advancing institutional support for agroecology, local procurement, and gender-inclusive governance, Uttarakhand can move toward a food system that not only withstands shocks, but also prosper. Cite as: Sharma, D. (2025). Resilient Local Food Systems and Capabilities for Sustainable Development in Uttarakhand. Journal of Agricultural Science, 17(9), 1-18.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».