The structures underpinning vulnerability: examining landscape-society interactions in a smallholder coffee agroforestry system
Notice bibliographique
Résumé
Abstract Smallholder farmers dependent on rain-fed agriculture are particularly vulnerable to extreme climate events and, therefore, it is necessary to identify adaptive measures that would increase farmer resilience to these shocks. The management options in a low-input system, like forest coffee ( Coffea arabica ), are limited and there are several factors out of farmers’ control driving their vulnerability to changing climatic conditions. These can relate to social structures and landscape factors, which can interact to reduce farmers’ adaptive capacity, creating a state of contextual vulnerability. We explored the potential synergies of this interaction across elevation, patch area and shade management gradients for smallholder coffee farms around the UNESCO Yayu Coffee Forest Biosphere Reserve in Ethiopia before, during and immediately following the 2015/16 El Niño. We documented a dramatic collapse in coffee yields across all farms, resulting in coffee incomes 29.5% ± 18.0% and 19.5% ± 10.0% of 2014 incomes in 2015 and 2016, respectively. We identified farms at elevations between 1500 and 1600 m with canopy openness between 40% and 45% as being consistently low yielding over our study period. We found these farmers had the highest rates of income diversification and, therefore, were already exhibiting adaptive capacity. Farmers with the largest income losses were spatially concentrated between 1600 and 1700 m, located in larger patch areas with lower canopy openness. Farmers at this elevation have access to poor infrastructure, restrictions on shade management and reported higher dependence on income from coffee, indicating an interaction of biotic and social factors exacerbating their vulnerability. Unfortunately, due to a nationally declared state of emergency, we were unable to survey farmers on the adaptive measures they undertook; therefore, we are limited in assessing their resilience. However, we do show the importance of considering both biotically and socially-mediated influences for assessing smallholder vulnerability, particularly barriers to diversifying incomes.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».