The Largest Crop Production Shocks: Magnitude, Causes and Frequency (Supplemental Information)
Notice bibliographique
Résumé
This pdf contains the supplemental information for "The Largest Crop Production Shocks: Magnitude, Causes and Frequency" Abstract of the main document: Food is the foundation of our society. We often take it for granted, but stocks are rarely available for longer than a year, and food production can be disrupted by catastrophic events, both locally and globally. To highlight such major risks to the food system, we analyzed FAO crop production data from 1961 to 2023 to find the largest crop production shock for every country and identify its causes. We show that large crop production shocks regularly happen in all countries. This is most often driven by climate (especially droughts), but disruptions by other causes like economic disruptions, environmental hazards (especially storms) and conflict also occur regularly. The global mean of largest country-level shocks averaged -29%, with African countries experiencing the most extreme collapses (-80% in Botswana), while Asian and Central European nations faced more moderate largest shocks (-5 to -15%). While global shocks above 5% are rare (occurring once in 63 years), continent-level shocks of this magnitude happen every 1.8 years on average. These results show that large disruptions to our food system frequently happen on a local to regional scale and can plausibly happen on a global scale as well. We therefore argue that more preparation and planning are needed to avoid such global disruptions to food production.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,329 | 0,056 |
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 ».