Cultivating climate resilience: a participatory assessment of organic and conventional rice systems in the Philippines
Notice bibliographique
Résumé
Abstract Climate change poses serious threats to agriculture. As a primary staple crop and major contributor to agriculturally derived greenhouse gas (GHG) emissions, rice systems are of particular significance to building climate resilience. We report on a participatory assessment of climate resilience in organic and conventional rice systems located in four neighboring villages in Negros Occidental, Philippines. The Philippines is one of the foremost countries impacted by climate change, with an increasing incidence of climate-related disturbances and extensive coastlines, high population density and heavy dependence on agriculture. Using the United Nations Food and Agriculture Organization's Self-evaluation and Holistic Assessment of climate Resilience of farmers and Pastoralists (SHARP) tool, we measured 13 agroecosystem indicators of climate resilience, and assessed the degree to which household, farm, and community mechanisms and outcomes impact adaptation capacity, mitigation potential and vulnerability. We used a participatory approach to situate these indicators in their socio-ecological context, and identify targeted interventions for enhancing climate resilience based on local farmer experiences and socio-ecological conditions. Comparison of climate resilience indicators across organic and conventional rice systems in this region indicated that organic rice systems are more climate resilient than their conventional counterparts. As such, increased policy support for the development of organic rice systems are critically important as an adaptive mechanism to augment food security, mitigate GHG emissions and improve climate resilience in the Philippines.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».