Adapting to climate change through crop choice by small and medium farmers in Southern zone of Tamil Nadu, India
Notice bibliographique
Résumé
Unpredictable changes in the climate can have a significant impact on crop yield in India in general and in particular in the climate vulnerable state of Tamil Nadu. This study evaluates how farmers in the Sothern Zone of Tamil Nadu adapt crop change as a technique to cope with uncertainty in crop yield. Three districts in the Sothern Zone, viz., Virudhunagar, Thoothukudi and Thriunelveli districts were adopted for this study. The sample size was equally distributed with 60 households randomly selected and who actively engage in agriculture. The results derived from the Multinomial Logit Model indicate that older farmers were more likely to choose sorghum, groundnut and less likely to choose maize, fruits and vegetables. Education had positive and significant influence on growing sorghum groundnut and chillies. Fruits and vegetables are more likely to chosen if farmer has large acreage. The climate variables seem to have neutral effect for sorghum and groundnut, hence farmers lend to choose theses crops for price stability. Farmers are most likely to prefer sorghum, cotton, maize and groundnut when income increases from other non-farm sources. When temperature increases by 1oC, farmers more often tend to choose pulses, sorghum, chilli and groundnut. If precipitation increases by 1 cm, farmers choose to cultivate pulses, maize, cotton, fruits and vegetable. Farmers adaptations may vary across agro climatic zones of Tamil Nadu. Hence local government policies and programs in agriculture should have a built in component to address the climate change issues. DOI: http://dx.doi.org/10.3329/sja.v12i1.21120 SAARC J. Agri., 12(1): 139-149 (2014)
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».