Farmers Perception of Low Soil Fertility and Hybrid Maize and the Implications in Plant Breeding
Notice bibliographique
Résumé
In spite of efforts by national and international scientists to improve crop productivity, varieties of crops grown in Africa have low productivity. Varieties improved for yield have had low adoption rates among small scale farmers. Productivity of maize remains low in the smallholder sector because the crop continues to be grown under stress-prone environments and with limited resources. Participatory Rural Appraisal (PRA) tools, including two focus group discussions and interviews with 120 individual farmers were conducted in Wenchi and Ejura-Sekyedumase districts in Ghana to determine maize production constraints, assess farmers’ perceptions of low soil fertility in maize production and their coping strategies for the control of low soil fertility. Opportunities for breeding new maize varieties with tolerance to low soil fertility and improving farmers' perception on adoption and utilisation of maize hybrids were also examined. Results from interviews revealed that low soil fertility, drought, diseases and insect pests are the dominant constraints in maize productivity in the two districts. Farmers in the study area also have preference for low soil nitrogen (low N) tolerant, drought tolerant, disease and pest resistant varieties that require lower inputs. They prefer maize varieties which produce slender cobs that are light in weight with lots of grain. The farmers lack knowledge about hybrids but are willing to adopt maize hybrids that are tolerant to low N.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».