Linking Urban Agriculture With Urban Management: A Challenge For Policy Makers And Planners
Notice bibliographique
Résumé
The rapid increase in urban population and the challenge of urban food security in developing countries has facilitated the entrance of agriculture into our cities, “Ilis phenomenon (urban agriculture) is mostly facing mixed reactions by policy makers and ignorance by city planners. However, there are positive signs of acceptance as well as different entry points for the integration of urban agriculture into urban planning for mutual benefits. One of such avenues is the potential of converting urban organic waste into useful material for agricultural production. This could enhance increased food production as well as reduce health and environmental problems caused by accumulated organic waste, This paper presents a case study in Ghana focusing on strategies to integrate urban agriculture into urban environmental management through re-use of municipal waste. It is based on a project co-funded by the International Development Research Centre (IDRC), Canada, and the International Water Management institute (IWMI), which is aimed at providing decision support for the municipal authorities on viable, environmental friendly and location-specific comporting technologies that fit into the (peri)urban context and match the requirement and ability to pay of different farming systems and other potential users. Situation analysis shows that there are available wastes that could be recycled and many stakeholders perceive comporting as a good way to minimise waste and as a source of input for agricultural production. Therefore many potential users are willing to use and buy the compost. The necessary institutional linkages to be put in place to ensure sustainability of recycling waste for urban and peri
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 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 | 0,000 | 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».