Climate Smart Agriculture Practices in Semi-arid Northern Ghana: Implications for Sustainable Livelihoods
Notice bibliographique
Résumé
Achieving food security and livelihood development among vulnerable households in the semi-arid regions is challenged by water scarcity and climate change. To alleviate the challenges of water scarcity and climate change impacts, farmers are adopting different climate smart agriculture (CSA) practices. However, there is limited knowledge on the contribution of CSA practices to livelihoods of farmers in semi-arid northern Ghana. Therefore, this paper explored CSA practices adopted by smallholder farmers and assessed the contribution of dry season farming to livelihoods in rural semi-arid Ghana. Using data from 100 households, farm income, household food security and subjective wellbeing (SWB) were compared between dry season farmers and non-dry season ones. The findings showed that socio-economic factors hindered the utilisation of practices with high start-up cost such as rain water harvesting. Farmers also adopted other practices based on the benefits, ease of use and geographical context. Comparing dry season farmers and non-dry season ones, the results showed that dry season farming had great potentials of improving income, food security (66%) and wellbeing (P>0.01) of rural households in semi-arid Ghana. However, adopting CSA practices only without instituting programmes to address other socio-economic challenges faced by smallholder farmers will yield minimal impacts. Complementing CSA initiatives with poverty alleviation programmes will effectively contribute to improved livelihoods in resource poor communities.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».