Climate Change Induced Vulnerability of Smallholder Farmers: Agroecology-Based Analysis in the Muger Sub-Basin of the Upper Blue-Nile Basin of Ethiopia
Notice bibliographique
Résumé
Ethiopia is also frequently identified as a country that is highly vulnerable to climate variability and change. The potential adverse effects of climate change on Ethiopia’s agricultural sector are a major concern, particularly given the country’s dependence on agricultural production, which is sensitive to climate change and variability. This problem calls the need to understand agroecology based vulnerability to climate change and variability to better adapt to climate risks and promote strategies for local communities so as to enhance food security. The objective of this study is to estimate and compare the level of vulnerability of smallholder farmers’ to climate change and variability from three agroecology representing Muger River sub-Basin of the upper Blue Nile basin using Livelihood Vulnerability Index. The research used quantitative and qualitative data collected through Focussed Group Discussions, key informant interviews and a questionnaire survey of 442 sampled households across three different agro-ecologies in the sub-basin. The results reveal that along with the different agro-ecological zone, households and communities experienced different degrees of climate vulnerability. These differences are largely explained by differences in exposure, sensitivity and adaptive capacity of smallholder farmers. The livelihood vulnerability analysis reveals that Kolla agroecology exhibits relatively low adaptive capacity, higher sensitivity and higher exposure to climate change and variability that is deemed to be the most vulnerable agroecology. These contributing factors to a vulnerability in Kolla agroecology are largely influenced by assets, livelihood diversification, innovation, infrastructure, socio-demographic factors, social capital, agriculture, food security, and natural disasters and climate variability. The result furthermore shows that Dega agroecology has least vulnerable owing to its higher adaptive capacity. These results suggest that designing agroecology based resilience-building adaptation strategies is crucial to reduce the vulnerability of smallholder farmers to climate change and variability.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».