Is rainfall really changing? Farmers’ perceptions, meteorological data, and policy implications
Notice bibliographique
Résumé
Understanding farmers’ perceptions of how rainfall fluctuates and changes is crucial in anticipating the impacts of changing climate patterns, as only when a problem is perceived will appropriate steps be taken to adapt to it. This article seeks to: (1) identify southern African farmers’ perceptions of rainfall, rainfall variations, and changes; (2) examine the nature of meteorological evidence for the perceived rainfall variability and change; (3) document farmers’ responses to rainfall variability; and (4) discuss why discrepancies may occur between farmers’ perceptions and meteorological observations of rainfall. Semi-structured interviews were used to identify farmers’ perceptions of rainfall changes in Botswana and Malawi. Resulting perceptions were examined in conjunction with meteorological data to assess perceived and actual rainfall with regards to: what was changing (onset, duration or cessation), and how it was changing (amount, frequency, intensity or inter-annual variability). Most farmers perceived that the rains used to start earlier and end later. Meteorological data provided no evidence to support farmer perceptions of rainfall starting as early as September (south Malawi) or October (Botswana); however, a high inter-annual variability in the timing of the onset was observed alongside an increasing number of dry days and declining amounts of rainfall at the onset and cessation of precipitation. While some rainfall patterns are associated with El Niño-Southern Oscillation (ENSO) fluctuations and larger-scale changes, one explanation for the differences between farmer perceptions and meteorological evidence is that rainfall changes can be easily confused with changes in farming system sensitivity. Our findings suggest that scientists, policymakers, and developers of climate adaptation projects need to be more in tune with farmers' and extension workers’ understandings of how weather is changing in order to improve adaptation policy formulation and implementation.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».