Limits to Growth in Global Crop Yields: Insights from Data Mining of the FAOSTAT Database from 1961 to 2023
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We conducted a comprehensive data mining analysis of the FAOSTAT database to assess historical trends and current limits in global crop yield development. The study included 157 major crops across 202 countries from 1961 to 2023, focusing on time series of yield (t/ha) and area harvested (ha). Weighted global average yields and annual maximum yields were calculated for each crop and classified into four categories of temporal evolution: never improved, still increasing, stagnating, and decreasing. Over the study period, total crop production rose by a factor of 3.9, primarily driven by a 2.54-fold increase in average yield, with harvested area contributing a smaller share. Analysis revealed that approximately 77% of global production volume remains in the "still increasing" category for average yield, although this share has declined from previous decades. In contrast, only about a quarter of production volume continues to experience increases in maximum yield, suggesting a growing number of crops nearing biophysical yield limits. Yield-area diagrams, categorized by a semi-quantitative "L-chart" approach, indicate that high yields are predominantly restricted to relatively small harvested areas, with over 90% of crops showing strong spatial limitations to yield scalability. These findings imply that opportunities for further global crop production expansion via yield improvement are increasingly constrained, and that recent output gains have largely depended on continued expansion of harvested area.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle