MétaCan
Menu
Retour à la cohorte
Enregistrement W2224825792 · doi:10.24102/ijes.v4i3.563

Local Climate Trends and Farmers’ Perceptions in Southern Tigray, Northern Ethiopia

2015· article· en· W2224825792 sur OpenAlexvenueno aff
Misgina Gebrehiwot Abrha

Notice bibliographique

RevueInternational Journal of Environment and Sustainability · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeographySocioeconomicsAgroforestryClimate changeWater resource managementEnvironmental scienceGeologySociology

Résumé

récupéré en direct d'OpenAlex

This study aimed to investigate changes in local climate, farmers’ perception to the change and factors affecting perception of farmers to climate change. For trend analysis, we gathered station based rainfall records for the period 1978-2012, while for perception analysis survey was carried out. 600 farming households were randomly selected from four districts using a multi-stage sampling method. Nonparametric analyses were used for analyzing trends and testing significance. Farming households were asked their observation about changes in local climate using structured questionnaires. We also utilized logistics regression to identify factors that influenced perceptions of farming households on climate change. Results indicate that while annual rainfall showed no change across the region, Kiremt and Belg rainfalls exhibited significant increasing and decreasing trends in the last three decades respectively. The study confirmed that the change in rainfall trend varies by agro-ecology. Kiremt rainfall in the lowlands increased by about 106mm/decade; yet, highlands got non-significant change. Besides, when the highlands lost significant amount of Belg rainfall (35mm/d), lowlands didn’t show any significant reduction. As to perception, about 87% and 50% of respondents perceived Belg and Kiremt rainfall decreasing respectively where their observation was more or less consistent with statistical findings. This study learned that gender, education, farm experience, extension, climate information, economic status, drought experience and local agro-ecology positively influenced farmers’ perception. Yet, irrigation negatively affected farmers’ perception. Results suggest further works in the areas of information dissemination, inclusion of local knowledge in adaptation programs and irrigation developments to reduce impacts. Key words : seasonal rainfall , climate change, farmers’ perceptions, perception determinants, Northern Ethiopia

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,135
Score d'incertitude au seuil0,179

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,020
Tête enseignante GPT0,257
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 tête enseignante, 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

Citations34
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environment and SustainabilityMême sujetClimate change impacts on agricultureTravaux en français237 207