MétaCan
Menu
Retour à la cohorte
Enregistrement W2767190597 · doi:10.3390/su9111887

Why Promote Improved Fallows as a Climate-Smart Agroforestry Technology in Sub-Saharan Africa?

2017· article· en· W2767190597 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSustainability · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgroforestry and silvopastoral systems
Établissements canadiensUniversity of Guelph
Organismes subventionnairesAustralian Centre for International Agricultural ResearchConsortium of International Agricultural Research CentersInternational Fund for Agricultural DevelopmentEuropean CommissionUnited States Agency for International Development
Mots-clésAgroforestrySoil fertilityClimate change mitigationAgricultureCarbon sequestrationFood securityEnvironmental scienceBusinessAgronomyGreenhouse gasGeographyBiologyEcology

Résumé

récupéré en direct d'OpenAlex

In the literature, a lot is discussed about how agroforestry can achieve the mitigation, adaptation and productivity goals of climate-smart agriculture (CSA). However, this may be relatively too broad to assess the trade-offs and synergies of how specific agroforestry technologies or practices achieve the three pillars of CSA. Here, we provide an overview of how improved fallows (an agroforestry technology consisting of planting mainly legume tree/shrub species in rotation with cultivated crops) may achieve the goals of climate-smart agriculture in Sub-Saharan Africa (SSA). Our review showed that improved fallow systems have real potential to contribute to food security and climate change mitigation and adaptation in SSA. Under proper management, improved fallows can increase maize yields to about 6 t ha−1, which is comparable to conventional maize yields under fertilization. This is attributed to improved soil fertility and nutrient use efficiency. Although data was generally limited, the growing literature showed that improved fallows increased soil carbon sequestration and reduced greenhouse emissions. Further, as a multiple output land use system, improved fallows may increase fodder availability during dry periods and provide substantial biomass for charcoal production. These livelihood options may become important financial safety nets during off seasons or in the event of crop failures. This notwithstanding, the adoption of improved fallows is mainly in Southern and Eastern Africa, where over 20,000 farmers are now using Sesbania sesban, Tephrosia vogelii, and Cajanus cajan in two-year fallows followed by maize rotations. Land tenure issues, lack of social capital, and improved germplasm and accessions of fallow species have been cited as constraints to scaling up. However, development of seed orchards, nursery development, and the willingness of policy makers to create a policy environment that addresses market failures and alleviates disincentives should improve adoption and future scaling up.

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.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,101
Score d'incertitude au seuil0,689

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,240
Écart entre enseignants0,229 · 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