Which Perennial Crop Farm Approach Generates More Profitability? A Case Study in Dak Lak province, Vietnam
Notice bibliographique
Résumé
Dak Lak Province, Vietnam has been identified as the optimal growing area region of cash crops. However, in recent years, perennial crops have faced some challenges need to have a new approach to maintain production sustainability. This study primarily provides a comparative analysis of the economic performance of crop cultivation by two approaches, mono-crop approaches including mono-coffee farms (MCFs) and mono-pepper farms (MPFs); intercropped approaches comprising intercropped coffee farms (ICFs) and intercropped pepper farms (IPFs). Additionally, this paper identifies the main factors affecting the farmer’s adoption decision on different intercropped farm types. Based on an investigation of 120 selected farms, focus group discussions (FGDs) and participant assessments, from January to April 2019, the information about farming operations, costs and profits also were collected. The findings indicated that intercropped farms (include ICFs and IPFs) had a higher reduction of variable costs than mono-crop farms (MCFs and MPFs). Likewise, between two intercropped farm types, ICFs that wasted fewer input costs seem to be more appropriate for the poor and small saving households than that of IPFs. Moreover, ICFs and IPFs generate more profitability, increase by 62 % and 25.7 % as compared with MCFs and MPFs, respectively. Going forward, the study revealed factors influencing farmers’ decision-making on applying different approaches for intercropped farms. These comprise farm profiles (pest and disease status; the age of the tree), farmers’ characteristics (training) and economic factors (profits and other income). The findings devote information to intercropped farms in terms of enhancing economic benefits should be promoted for the coming years. Looking beyond, this empirical evidence is likely a useful contribution to farming management. What’s more, the factors highlighted here demonstrate the need for continued improvement in such farming strategies.
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 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».