EVOLUTION AND GLOBAL DISTRIBUTION OF GENETICALLY MODIFIED SOYBEAN AREA IN THE PERIOD 2014-2018
Notice bibliographique
Résumé
Currently, genetically modified (GM) crops are an important part of world agriculture, offering numerous benefits to farmers. This study investigates the dynamics of the cultivated area with GM crops, especially with genetically modified (GM) soybean, for the period 2014–2018, by country and by transgenic trait, using ISAAA and FAOSTAT databases. In the studied period, the top 5 GM crops countries were USA, Brazil, Argentina, Canada and India which totalled 166.1 million hectares or 89.5% of the global area. Regarding GM soybean, the top 5 countries were USA, Brazil, Argentina, Paraguay and Canada which cultivated 89.9 million hectares or 96.8% of the global area with this crop. The linear regression and the Pearson correlation coefficient have pointed out a general increasing trend for both cultivated areas. The USA and Brazil occupied the leading position in world with 32.93 and 32.55 million hectares of GM soybean, respectively. Herbicide tolerance (HT) has been consistently the dominant transgenic trait for GM soybean in USA, Argentina, Paraguay and Canada. In Brazil, the cultivated areas with stacked HT/IR traits have been larger than the areas cultivated with a single HT trait, in the last 3 years. As a conclusion, the global area of GM soybean will continue to increase due to its important economic role in the agriculture development and environmental benefits.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».