Climate Change and Shrimp Farming in Andhra Pradesh, India: Socio-economics and Vulnerability
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
Approximately 70% of shrimp consumed globally is farmed. India is ranked among the top five shrimp farming countries globally, and occurs mainly in the eastern coastal state of Andhra Pradesh (AP). More than 90% of the farms are less than 2 ha and are farmer owned, operated and managed. The objective of this study was to increase our understanding of climatic and socio-economic factors influencing this sector, through a survey of 300 shrimp farmers in AP in 2009/10. The farming communities were divisible into two groups: members of a society/cooperative and those operating individually. The latter were large scale adopting more intensive practices. The average production cost was Indian Rupees (IRS) 80,186 ha-1 and net income in summer and winter was IRS 221,901 and IRS 141,715, respectively. The mean technical efficiency estimated using Stochastic frontier function was 7% and 54%. The present study attempts to explain the difference in efficiencies using socio-economic and climatic variables, the latter being a novel approach. Among socio-economic variables, farming experience and membership in society were found to have a significant influence to improve technical and economic efficiencies. Further improvements in identifiable facets of the practices and a consequent increase in technical efficiency will make the sector less vulnerable to climatic change impacts.
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 | 0,001 | 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