MétaCan
Menu
Retour à la cohorte
Enregistrement W2140847004 · doi:10.5539/jas.v7n9p45

Trend of Growing Season Characteristics of Semi-Arid Arusha District in Tanzania

2015· article· en· W2140847004 sur OpenAlexvenueno aff
Nganga I. Kihupi, Andrew K.P.R. Tarimo, Richard J. Masika, Brian J. Boman, Warren A. Dick

Notice bibliographique

RevueJournal of Agricultural Science · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensnon disponible
Organismes subventionnairesUnited States Agency for International Development
Mots-clésEnvironmental scienceAgricultureTanzaniaGrowing seasonRainwater harvestingWet seasonGeographyEvapotranspirationFood securityPopulationAgroforestryHydrology (agriculture)Water resource managementAgronomyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

The timing and distribution of rainfall determine both the length and quality of the growing season, and hence have important implications for agricultural production and food security. Using over 50 years of climatic data for Arusha District in Tanzania, the paper presents an analysis of growing season characteristics and other meteorological variables. Results indicate that the climate of Arusha District and Oljoro in particular is changing. Both the length of the growing season and number of wet days within the season are showing a decreasing trend as rains appear to be starting later than they used to in the past. Other meteorological variables such as temperature, wind speed and reference evapotranspiration are showing an increasing trend. Changes in land use/cover in and around the study area in the 1970s through 1990s due to expansion of agricultural land and population pressure would seem to have fuelled the observed changes in the growing season characteristics. This does not augur well for rain-fed agriculture and thus judicial use of scarce water resources including rainwater harvesting would seem to be a viable option for sustainable agricultural production.

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)0,000
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 enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,012
Tête enseignante GPT0,213
Écart entre enseignants0,202 · 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

Citations11
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetLand Use and Ecosystem ServicesTravaux en français237 207