MétaCan
Menu
Retour à la cohorte
Enregistrement W2127641664 · doi:10.5539/enrr.v5n2p14

The Implications of Climate Variability on Market Gardening in Santa Sub-Division, North West Region of Cameroon

2015· article· en· W2127641664 sur OpenAlexvenueno aff
Amawa Sani Gur, Jude Ndzifon Kimengsi, Tata Emmanuel Sunjo, Azieh Edwin Awambeng

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLivelihoodGeographyAgricultureClimate changeAgroforestryAgricultural economicsAgricultural scienceEconomicsEnvironmental scienceEcologyBiology

Résumé

récupéré en direct d'OpenAlex

If Cameroon maintains its position as the “bread basket” of the Central African sub-Region, one of the areas to be credited is the Santa Sub-Division which is one of the major agricultural production basins, particularly market gardening. Apart from grappling with the conventional pre and post-harvest problems which plague the agricultural sector in Cameroon, observed variability in climate has aggravated the scenario. Using climatic records temperature and rainfall) for a 10 year period, including the output of market garden crops (carrots, leeks, tomatoes and cabbage), complemented by field observations and interviews, we established a correlation between climatic variations and variations in output of market garden crops The results showed both direct and inverse relationships between climate variability and market gardening resulting in differential implications for market gardeners. The implications of this results is that in the future, market gardeners could logically shift their focus to some specific crops; this could reduce the output of these crops leaving a bearing on demand and price. As a logical way forward, we suggest some adaptation options which can help farmers to “climate –proof” the market gardening sector which remains a source of livelihood for many farmers in Santa Sub-Division.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,069
Score d'incertitude au seuil0,137

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,031
Tête enseignante GPT0,269
Écart entre enseignants0,237 · 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 source (Gemma direct ou Codex distillé), 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

Citations25
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetAgriculture and Rural Development ResearchTravaux en français237 207