Drivers of Multiple Cropping-Systems as Adaptive Strategy to Climate Change in Central-Benin (West Africa)
Notice bibliographique
Résumé
Climate change is currently one of the most important global environmental issues that negatively affect agriculture in Sub-Saharan Africa. This importance has resulted in a great interest to understand both the farmers’ perception of and adaptation to observed climate change. A good number of previous studies did explicitly focus on several adaptation strategies. Nevertheless, a better understanding of the socio-economic drivers underlying specific adaptive measures to climate change is crucial to inform specific adaptation components that will fall into a wider adaptation plan. In this respect, the present study focuses on the use of multiple cropping systems consisting of growing two or more crops on the same field either at the same time or one after another as climate change adaptation strategy. Accordingly, this paper examines different strategies commonly used to intensify agricultural production in tropical agriculture. These include crop rotation and association in the center of Benin. Data were collected in central Benin through interviews with 80 farmers selected by using a multistage random sampling technique. Data analysis was carried-out by using descriptive statistics and a Probit regression. The results showed that the major drivers of multiple cropping systems as adaptive strategy to climate change include contacts with extension services, education level, and farm size. Major constraints to the use of multiple cropping systems are gender, adult literacy, perception of adaptation to climate change, experience with climate change impacts, and farmer location. Policy options should include, among others, production of information related to impacts of climate change and their dissemination through formal services such as extension services; identification of potential ways to greatly improve returns on extra agricultural activities, and investigating on the effects of past adoption strategies on the different cropping systems.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».