MétaCan
Menu
Retour à la cohorte
Enregistrement W1835429419 · doi:10.5539/sar.v4n4p38

Resources Management and Risk Efficiency of Crop Rotation Systems in Sudan Gezira Scheme

2015· article· en· W1835429419 sur OpenAlexvenueno aff
Kheiry Hassan M. Ishag

Notice bibliographique

RevueSustainable Agriculture Research · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCrop rotationIrrigationAgricultural engineeringCropping systemCroppingEnvironmental scienceCrop yieldMathematicsAgricultureAgronomyGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

Risk is an important factor in crop rotation systems and cropping system management studies. The study uses stochastic simulation techniques and Stochastic Efficiency with Respect to Function (SERF) to evaluate five crop rotations risk-efficiency and economic sustainability in Sudan Gezira Scheme. Price and yield risk for five crops were simulated to calculate whole-scheme net return. The analysis shows with the present irrigation system capacity 4 course rotation is the most preferred at lower (ARAC) and the 5 Course rotation (B) with 53% land use intensity achieve water distribution equity and is the most risk efficient crop rotation at upper (ARAC). It is downside risk oriented and resilience crop rotation. The area allocated in 5 Course rotations (B) for cotton crop is 17%, wheat 7%, sorghum 60%, groundnut 4% and fodder crops 12%. Fodder can be grown two times in summer and winter season without creating water shortage problems. However, this will increase net return and increase soil fertilities within the selected crop rotation. The result also shows that return pack to night storage irrigation system needs a risk premium of 36 Million (SDG). The techniques used in this study could be used with any distribution estimates for the uncertain variables to incorporate new crop varieties and research recommendation packages. They also could be modified to account for new information contribution during the decision process and account for dynamic effects and policy adjustment and modification.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,203
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,276
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetAgricultural risk and resilienceTravaux en français237 207