The limits of increasing food production with irrigation in India
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Growing populations and dietary shifts to include higher proportions of meat are projected to double global food demand by 2050. Previous global studies have proposed and evaluated possible solutions by closing agricultural yield gaps, defined as the difference between current and potential crop yields. We compliment previous studies by developing a method for more accurately calculating potential changes in cereal grain production under different irrigation scenarios, explicitly incorporating yield differences associated with different sources of irrigation. Irrigating with groundwater often leads to higher crop yields than irrigating with surface water because of the greater facility to tailor both the volumes of water and the timing of application. Two possible scenarios for increasing production in India are examined, the first where all non-irrigated fields are irrigated proportionally to the State-specific distribution of irrigation sources, and the second where all non-irrigated fields are irrigated with groundwater: Rice production increases by 14 and 25 % in scenarios 1 and 2 respectively, but wheat production increases by only 3 % in both scenarios. Increased irrigation water consumption from irrigating fields that are currently non-irrigated is estimated at 31 % for rice and 3 % for wheat using the Global Crop Water Model. A third scenario estimates the potential loss in production without the use of irrigation: rice would be 75 % and wheat 51 % of current production. Our methodology and results can help policy makers estimate the current and potential contribution of irrigation sources to agricultural production and food security in India and can with facility be applied elsewhere.
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.
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 découle