Production Determinants of the Pearl Millet Cropping System in Uganda and Implications to Productivity
Notice bibliographique
Résumé
<p>Pearl millet is an important crop for people living in semi-arid areas in Uganda but not much is known about its production environment. A survey was conducted in eastern and northern regions of Uganda to characterise the pearl millet cropping system and to identify the most important production determinants. Using questionnaires, data was collected from 160 households through face-to-face interviews with the respondents. Results showed that pearl millet was mainly grown for food and source of income. The production environment was low input as farmers planted unimproved genotypes, used no artificial chemicals or manure, and had minimal access to financial credit and agricultural trainings or extension services. Planting was done in the second rains with no optimal use of important resources like family labour and seed due to seed broadcasting. Farmers desired genotypes with traits such as; stay green, being tall, high tillering, high yield, early maturity and being ergot resistant. The most important constraints were ergot and rust diseases susceptibility, low yield, low tillering, late maturity, sterile panicles, rodents, moulds/rotting and insect pests; while lack of market, low prices and price fluctuation were the important market constraints. Results further showed that farmers lacked knowledge about the common diseases like rust and ergot. The area planted, spouse age and years of pearl millet cultivation were the important factors enhancing production while age of household head, amount of seed planted and distance to the market negatively affected grain yield.</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 | 0,000 |
| 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 ».