The Impact of Farm Forestry on Poverty alleviation and Food Security in Uganda
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
<p>To address the problem of high rural poverty and food insecurity, government and international donors have funded on-farm plantation forestry projects as one of the tools for improving the welfare of rural communities. In the wake of climate change, on-farm plantation forestry has evolved to include carbon forestry, with the dual purpose of sequestering carbon and improving rural livelihoods. However, there is a dearth of empirical evidence regarding whether and under what conditions on-farm plantation forestry can deliver favorable livelihood outcomes.</p>Therefore, Propensity Score Matching (PSM) and endogenous switching regression models were used to estimate the average treatment effects of adopting eucalyptus and carbon forestry woodlots (under the planvivo system) on consumption expenditure per adult equivalent and daily calorie acquisition per adult equivalent. PSM and switching regression results consistently indicated that adoption of eucalyptus woodlots increased consumption expenditure by 32 and 28.3% respectively. PSM and switching regression results also indicated that adoption of eucalyptus woodlots increased calorie acquisition per adult equivalent by 36 and 13.1% respectively. Results also indicated that adoption of carbon forestry increased calorie acquisition per adult equivalent by between 22 and 26.9% but the impact on consumption expenditure per adult equivalent was mixed. The findings of this study provide empirical evidence that adoption of on-farm eucalyptus woodlots is an important pathway for smallholder farmers to escape poverty and improve food security. Similarly, adoption of carbon forestry woodlots under the planvivo system can improve food security. However, previous on-farm plantation forestry projects were not well targeted to the poor households.
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