Analysis of trends in world grain production
Notice bibliographique
Résumé
Total production of cereals and pulses in the world for the period from 2009 to 2020 increased by 20.6%, amounting to 3086 million tons. The largest share in the structure of global grain production is occupied by the countries of Asia and America. The analysis showed that over the past decade, the world leadership in grain production volumes belongs to China (20%), the USA (14-15%), EU countries (12.8%), India (about 12%). Russia's share in world grain production for the period from 2009 to 2020 increased from 3.8 to 4.3%, which is a positive factor. It has been established that our country is one of the states with the highest specialization in wheat production (over 61%). In addition, countries with a high share of it include Canada (51%), France (48.6%), Germany (45.3%), Ukraine (42.9%) and the UK (41.8%). Global growth rate of grain production for the period from 2009 to 2020 amounted to 20.6%, while in Russia it reached 37.5%, in Africa – 26.8%, in Asia – 25.5%, in America – 25.1%, in Europe – 10.1%. It has been determined that the highest level of wheat yield is observed in Germany, Great Britain, France, Egypt, and China. To increase the economic efficiency of grain production, it is necessary to carry out regular economic analysis of production costs and monitoring of market prices, as well as increase the share of exports of food products with a high degree of processing of raw materials. This will ensure the growth of added value in the industry and the transition to expanded reproduction in agriculture on a highly intensive basis.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».