An Appraisal of Farmer Variety Selection in Drought Prone Areas and Its Implication to Breeding for Drought Tolerance
Notice bibliographique
Résumé
Maize production and productivity among small scale farmers of southern Africa is limited mainly by drought and low soil fertility. This study aimed at assessing how farmers prioritize selection of varieties for planting under drought stress and how this could help improve the breeding approaches for varieties for resource constrained farmers in marginal environments. A survey was conducted in two drought prone districts of Zimbabwe. Data collection was done using a structured questionnaire, key informant interviews and focus group discussions. The study revealed that farmers have limited options for drought tolerant varieties available on the market. Contrary to breeders, farmers in drought prone areas do not consider disease resistance as an important trait. The farmer preferred traits include, high yield potential, drought tolerance, early maturity, and good performance even under poor soil conditions. Drought tolerance associated traits such as resistance to leaf rolling, tassel blast, general plant recovery to stress and stay green characteristics were identified as the most important traits but most of the varieties currently available on the market do not have these traits. The farmers were willing to make trade-offs among traits like taste or disease resistance for increased yield potential when selecting varieties to grow. Traits preferences or ranking and possible trade-offs were specific to specific areas and groups of farmers. In this study farmers still planted the traditional varieties or landraces because they are drought tolerant, taste better and can be propagated from farm saved seed. These findings show that farmers have limited options on drought tolerant varieties on the market and that scientists need to tap into farmer knowledge, especially on possible trade offs, trait ranking and germplasm for use in developing better adapted varieties which are specific to target farmers. Policies and seed systems analysis on variety availability, distribution and marketing channels also need to be strengthened.
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 | 0,004 |
| 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 | 0,001 |
| 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) | 0,001 | 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 ».