Climate Change and Food Production in Nigeria: Implication for Food Security in Nigeria
Notice bibliographique
Résumé
<strong></strong><p>Food production in Nigeria is largely dependent on natural environmental resources like rainfall, temperature and relative humidity. This study examined the impact of some of these climatic variables on food production in Nigeria from 1975 to 2010. Secondary time series data obtained from FAOSTAT (Food and Agriculture Organization statistics) and Nigerian Meteorological Agency were used for the study. The data were analyzed using some econometric tools such as Augmented Dickey Fuller (ADF) test, Johansen Test and Vector Error Correction (VEC) Estimates. The ADF test reveals that relative humidity integrated at order zero level while rainfall and temperature and agricultural output were stationary after differencing at level 1 thus showing that the variables had relationship. The results of the Johansen co-integrated test revealed that there is one co-integrating equation at 5% showing a co-integrating relationship between agricultural output and the climatic variables. The Vector Error Correction Estimates indicated that rainfall was positively significant at 5% to food production on the short run indicating that vagaries in climate especially rainfall affected food production and output in Nigeria. It was recommended, therefore, that measure that could help to mitigate the adverse effects of inadequate rainfall e.g. irrigation, drought resistant crops varieties among others should be put in place by the government. Farmers should equally be sensitized and trained in the area of adaptation and mitigation of the effect of climate change as this will go a long way to ameliorate large scale failure in food production in the country.</p>
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 ».