Limits to Growth in Global Crop Yields: Insights from Data Mining of the FAOSTAT Database from 1961 to 2023
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.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».