Adoption of renewable soil fertility replenishment technologies in the southern African region: Lessons learnt and the way forward
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
Abstract Low soil fertility is one of the most important biophysical constraints to increasing agricultural productivity in sub‐Saharan Africa. Several renewable soil fertility replenishment (RSFR) technologies that are based on nutrient re‐cycling principles have been developed in southern Africa. Some success stories have been recorded (e.g. nitrogen‐fixing legumes), but the adoption of RSFR technologies has generally lagged behind scientific advances thereby reducing the potential impacts of the technologies. This paper describes the major RSFR technologies being promoted in the region, synthesizes available information regarding their adoption by farmers, and identifies the challenges, key lessons learnt and the way forward for up‐scaling RSFR technologies in the region. The review indicated that farmer uptake of RSFR technologies depends on several factors that can be grouped into broad categories: technology‐specific (e.g. soil type, management regime), household‐specific (e.g. farmer perceptions, resource endowment, household size), policy and institutions context within which RSFR is disseminated (inputs and output prices, land tenure and property rights), and geo‐spatial (performance of species across different bio‐physical conditions, location of village). Adoption of RSFR technologies can be enhanced by targeting them to their biophysical and social niches, facilitating appropriate policy and institutional contexts for dissemination, understanding the broader context and dynamics of the adoption process, a paradigm shift in the approach to the dissemination of RSFR (e.g. expanding RSFR to high value crop systems, exploring synergy with inorganic fertilizer) and, targeted incentive systems that encourage farmers to take cognizance of natural resource implications when making agricultural production decisions .
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 | 0,002 | 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