Growth and instability in area, production, productivity and export of cashew in India
Notice bibliographique
Résumé
Cashew (Anacardium occidentale L.), an economically valuable plantation crop, contributes substantially to India’s foreign exchange earnings and rural livelihood. The crop is cultivated across 1.19 million hectares, with major producing states including Maharashtra, Andhra Pradesh, Odisha and Kerala. This study examined area, production, productivity and export of cashew from India. Using secondary time series data spanning from 2004-05 to 2023-24. For the HS Code 20081910(Roasted or Salted cashew). Compound Annual Growth Rate (CAGR) was used for the analysis to see the growth rate and for variance Coefficient of variation (CV), Cuddy-Della Vella Index and Coppock’s Instability Index. The Compound Annual Growth Rate (CAGR) method revealed that, the area under cashew cultivation in India increased significantly at 2.09% and production at 1.62% per annum, both statistically significant at 1% level. Export-wise, export quantity increased at 17.76% CAGR, while export value rose by 31.52% CAGR, both significant at the 1% level. Country wise analysis revealed that during the overall period of the study Malaysia showed the highest export growth, followed by the USA. In India, productivity showed the least instability (CV: 9.02%, CDVI: 3.15, CII: 11.26), while production was most volatile (CV: 10.55%, CDVI: 6.30). Export performance revealed extreme volatility, export value CV was 85.77% (CDVI: 29.6) and quantity CV 66.19% (CDVI: 34.81). Canada and Malaysia were the most unstable markets, with Canada’s export value CV at 197.91% and quantity CV at 175.94%. The USA, while a major importer, had moderate instability, and the UAE remained relatively stable.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».