MétaCan
Menu
Retour à la cohorte
Enregistrement W2753504245 · doi:10.1101/184952

Climbing Legumes: An Underutilized Resource With Significant Potential to Intensify Farming on Terrace Walls (FTW) for Smallholder Farmers

2017· preprint· en· W2753504245 sur OpenAlexafffund
Jaclyn C. Clark, Manish N. Raizada

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2017
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgronomic Practices and Intercropping Systems
Établissements canadiensUniversity of Guelph
Organismes subventionnairesGlobal Affairs CanadaInternational Development Research Centre
Mots-clésTerrace (agriculture)AgroforestryArable landSubsistence agricultureAgricultureAgronomyClimbingGeographyBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Millions of subsistence farmers cultivate crops on terraces. These farmers face unique challenges including severe shortages of arable land and remoteness leading to poor access to inputs including nitrogen fertilizer. These challenges contribute to human and livestock malnutrition. Terrace walls (risers) as a vertical surface to grow climbing or trailing legumes represents an opportunity to help overcome these challenges. These crops are rich in minerals and protein, and their associated microbes produce nitrogen fertilizer. Rice bean is already grown on terrace risers in South Asia. This paper reviews the literature concerning crops that are currently farmed on terrace walls (FTW), then surveys climbing legume species that have potential for FTW, focusing on crops that are nutritious and tolerate shade (caused by the terrace wall) and resist drought (many terrace farms experience an extended dry season). A total of 29 legume species are discussed including climbing varieties of jack bean, common bean, cowpea, winged bean, horse gram and velvet bean. The review concludes by discussing the practical challenges of farmer adoption of FTW and makes concrete recommendations. Terrace wall cultivation of legumes represents an opportunity to intensify agriculture and increase resiliency in remote mountainous areas.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,758
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,247
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetAgronomic Practices and Intercropping SystemsTravaux en français237 207