Determinants of smallholder farmers’ decision to adopt adaptation options to climate change and variability in the Muger Sub basin of the Upper Blue Nile basin of Ethiopia
Notice bibliographique
Résumé
Smallholder farmers’ decisions to adopt adaptation options in response to climate change and variability are influenced by socioeconomic, institutional, and environmental factors, indicating that decision patterns can be very specific to a given locality. The prime objective of this research is to identify factors affecting smallholder farmers’ decisions to adopt adaptation options to climate change and variability in the Muger River sub-basin of the Blue Nile basin of Ethiopia. Both quantitative and qualitative data were collected using a semi-structured questionnaire, focused group discussions, and key informant interviews from 442 sampled households. Frequency, mean, Chi-square test, and one-way ANOVA were used for analysis. Furthermore, a multinomial logit model was employed to analyze the data. Results signified that small-scale irrigation, agronomic practices, livelihood diversification, and soil and water conservation measures are the dominant adaptation options that smallholder farmers used to limit the negative impact of climate change and variability in the study area. The results further revealed that adoption of small-scale irrigation as an adaptation to climate change and variability is significantly and positively influenced by access to credit, social capital, and the educational status of household heads. Greater distance to marketplace and size of farmland negatively affected the use of agronomic practices, whereas crop failure experience and access to early warning systems have a positive influence. The results also point out that adoption of soil and water conservation measures are positively affected by exposure to early warning systems, greater distance to the marketplace, and larger size of cultivated land. It is also noted that livelihood diversification is negatively influenced by socioeconomic factors such as education, the gender of the household head, and livestock ownership. Overall, the results suggested that improved policies aimed at increasing the adoption of adaptation options to offset the impact of climate change and variability should focus on: creating effective microfinance institutions and effective early warning systems, increasing farmer awareness, improving infrastructure, and encouraging farmers’ membership to many social groups. The results further suggested that agroecological and gender-based research should be promoted and increased for a more holistic understanding of farmer adaptation options.
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 | 0,002 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».