Different places, different challenges: mapping global variations in agrifood-system burdens
Notice bibliographique
Résumé
Abstract The global agrifood system is central to many challenges humanity faces today. Despite significant growth in total production, it fails to ensure food security for all, drives biodiversity decline, and majorly contributes to climate change. Research on agrifood-system burdens often focusses on the national level and isolated burdens, ignoring their systemic complexity. We address this knowledge gap by combining global subnational datasets proxying four key dimensions of agrifood-system burdens: environmental footprint, climate change, income poverty, and malnutrition. We map global hotspots of co-occurring agrifood-system burdens for 2017. We overlay these with data on ambient population counts, agricultural areas, farm size distributions, and lands inhabited by Indigenous peoples to identify spatial correspondence between people in vulnerable contexts and food production regions facing these burdens. We further assess countries’ relative burden against their inequality and governance indicators. Burden hotspots occupy many regions worldwide, especially in low-income, (sub)tropical regions. Single burdens occupy regions harbouring about 5 billion people (∼66% of the global population) and 1.8 billion ha of agricultural lands (∼40%), while multiple burdens occupy regions with about 1.9 billion people and 470 million ha agricultural lands. Environmental footprint is the strongest contributor to these burden profiles. Regions with traditionally marginalised communities (i.e. small-scale farmers and Indigenous peoples) disproportionally face multiple burdens. Agrifood-system burdens are more prevalent in countries with higher economic inequality and poorer governance. Burden profiles vary substantially within and between countries, necessitating regionalised and context-specific policies for effective, bundled, and targeted solutions. Addressing agrifood-system burdens can also synergise with tackling other current global challenges, like biodiversity loss and environmental justice.
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 ».