Smallholder Farmers’ Knowledge, Perception and Management of Rice Blast Disease in Upland Rice Production in Tanzania
Notice bibliographique
Résumé
The objective of this paper was to investigate farmers’ knowledge and management of rice blast disease in Tanzania. Farmers’ household survey was conducted in five districts namely Mvomero, Morogoro rural, Ulanga, Korogwe and Muheza in April and May 2017. Data were collected through face-to-face interviews using semi-structured questionnaire and observations made through transect walks across selected villages. Farmers observed symptoms of rice blast disease for the first time in the past 3 to 10 years, with higher severity of blast disease in April to May each year. About 46.3% of the respondents were not aware of the cause and spread of rice blast disease. About 39.9% of the respondents associated rice blast disease with drought, high rainfall and temperature (8.7%) and soil fertility problems (5.1%). About 18.7% of the farmers reported burning of crop residues, 17.0% use of ash, 4.0% use of nitrogen fertilizer and 6.3% application of fungicide for management of rice blast disease. The majority (54.0%) of farmers did not apply any management method. Most farmers planted local upland rice varieties, with only 7.7% using improved varieties. About 69.6% of the respondents shared information on disease management among themselves. Lack of knowledge, ability to afford and unavailability of effective blast disease control methods were reported to affect the management of the disease. Strengthening the capacity of farmers to identify the disease and proper management practices will sustainably solve the problem of rice blast disease in upland rice production.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».