Farmer Perception and Adaptation Strategies on Climate Change in Lower Eastern Kenya: A Case of Finger Millet (Eleusine coracana (L.) Gaertn) Production
Notice bibliographique
Résumé
Eastern Kenya, a semi-arid region, is characterized by low and erratic rainfall, high temperatures, and low soil fertility. Climate change has further worsened the situation leading to frequent droughts and hence increased food insecurity. Traditional crops like finger millet are possible solutions to combating changing climate due to their drought resistance nature, ability to produce high yields with little inputs and high nutritional content. It is against this backdrop that a survey was carried out in Mwala and Katangi divisions of Machakos and Kitui counties, respectively, to assess farmer’s perception on climate change, coping and adaptation mechanisms in finger millet production systems in smallholder farming systems of lower eastern Kenya. Data was collected, using semi-structured questionnaire, from 120 farmers i.e. 60 in each division. A stratified random sampling procedure, with location as a stratum was used to select respondent’s households. A computer random number generator was used to select number of households in each stratum. Maize and beans were the most popular crops grown by over 98% of the farmers in both sub-counties. Farmers also grew drought tolerant legumes; cow peas, green grams pigeon peas and cereals; sorghum and finger millet. Temperature rise was ranked highest with 88% and 98%, followed by prolonged drought with 70% and 72%, irregular rainfall at 69% and 81% and increased wind intensity at 22% and 28% at Machakos and Kitui, respectively, as aspects of climate change perceived by farmers. Farmers had taken up early planting at 88.6% and 93.7%, use of organic inputs at 89% and 92%, introduced new tillage practices, by applying ridges and furrows and tied ridges at 45% and 54%, and by adopting irrigation at 13%, and 9%, as coping strategies to climate change in Machakos and Kitui, respectively.It can be concluded that farmers in Machakos and Kitui are aware of climate change and its negative effects on crop production. In a bid to minimize crop loss and food insecurity, they have taken up various soil moisture conservation and soil fertility enhancement technologies.
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 | 0,000 | 0,001 |
| 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 | 0,002 | 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 ».