Healthy soils as a booster to EU competitiveness
Notice bibliographique
Résumé
The European Union's strategic agenda for 2024–2029 prioritizes a prosperous and competitive Europe, with soil health potentially playing a role in achieving this goal. However, the current state of European soils is of concern, with over 60 % of soils not in healthy condition, as reported by the European Union’s Soil Mission Board and the EU Soil Observatory. This results not only in environmental issues, but also economic ones, as the costs of soil degradation in the EU are estimated to be higher than €50 billion per year, underscoring the need for soil health to be placed more prominently on the political agenda. Soil-related business models, including biotechnology, remediation of contaminated sites, carbon removals and farming, regenerative agriculture, and agritech solutions, can contribute to EU competitiveness. These business models may help address most of the challenges posed by soil degradation, climate change, and biodiversity loss, while promoting sustainable agriculture practices and improving ecosystem functioning. The EU's soil remediation market is valued at €8.5 billion, with an annual growth rate of 5 %. The EU Carbon Removals and Carbon Farming Regulation provides a framework for certifying carbon removals, with potential revenue of €6 billion per year. Regenerative agriculture, which prioritises soil health and ecosystem services, can increase crop yields, reduce dependency on synthetic fertilisers and pesticides, and promote biodiversity. Agritech solutions, such as precision agriculture and artificial intelligence, can optimize farming practices, reduce costs, and improve environmental sustainability. Here we present the potential of soil-related business models to contribute to EU competitiveness, while addressing environmental and societal challenges. However, a number of challenges remain and need to be addressed as the need for acceleration, a clear policy framework, a closer collaboration of different actors in the food supply chain and a digital transformation are still needed.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,016 | 0,010 |
| Science ouverte | 0,001 | 0,012 |
| Intégrité de la recherche | 0,011 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,004 |
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 ».