PARTICIPATORY EVALUATION OF IMPROVED GRASSES AND FORAGE LEGUMES FOR SMALLHOLDER LIVESTOCK PRODUCTION IN CENTRAL AMERICA
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
SUMMARY Smallholder livestock systems in Central America are typically based on pastures with traditional grasses and associated management practices, such as pasture burning and extensive grazing. With the rise of the global population and a corresponding increase in demand for meat and milk production, research efforts have focused on the development of improved grasses and the incorporation of legume species that can increase productivity and sustainability of Central American livestock systems. However, farmer adoption remains very limited, in part due to the lack of site-specific evaluation and recommendations by local institutions. Using a multi-site participatory approach, this study examined the potential of five improved grasses and five species of forage legumes as alternatives to the broadly disseminated grass Hyparrhenia rufa (cv. Jaragua) in pasture-based cattle systems in western Honduras and northern El Salvador. Improved grasses (four Brachiaria sp. and Megathyrsus maximus ) produced significantly more biomass than H. rufa ; also four of the five legume varieties evaluated ( Canavalia ensiformis , Canavalia brasiliensis , Vigna unguiculata , and Vigna radiata ) demonstrated high adaptability to diverse environmental conditions across sites. Farmer participatory evaluation offers a valuable means to assess performance of forages and will likely contribute to their improved utilization. Future research is needed on more refined management recommendations, pasture system design, costs and environmental benefits associated with the adoption of these forages in local livestock production systems.
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle