Sedentary Agriculture and Its Implications on Soil Quality in Agro-pastoral Semi-arid Karamoja, Uganda
Notice bibliographique
Résumé
Uganda Government embarked on promoting sedentary agriculture in Karamoja agro-pastoral semi-arid livelihood zone, which experience rapid environmental and high soil quality (SQ) decline. However, studies on sedentary agriculture’s impact on soil quality using farmer’s knowledge is limited. Consequently, a survey was carried out in Karamoja (Iriiri, Matany Sub-counties of Napak of districts and Rengen sub-county of Kotido) to determine the soil quality indicator parameters based on the farmers knowledge in order to build a local soil knowledge data base to better inform sustainable land use strategies. Using a semi-structured questionnaire, forty indigenous farmers per sub-county, were interviewed between August and September, 2015. The study took into account the social demographic characteristics of the people, farming enterprises, methods of crops production, crops yields trends, causes of the perceived yields trends and soil quality indicators. Prospects of developing Karamoja indigenous knowledge data base lies in visible feature that predict soil quality. Farmers used 36 parameters to determine SQ. The parameters were clustered into five categories; soil, crop, biological, environmental and management each category contributing to 42, 19,14,8 and 17% of the total indicators, respectively. The relationship between age group and the perceived indicators of soil fertility was statistically significant (p-value = 0.045) with the majority stating that they use either soil colour, soil depth or soil texture to express the fertility of soil. The farmer’s soil quality indicators assessed in this study, is important in establishing indigenous-scientific hybrid knowledge data base to enhance soil fertility maintenance and better inform policy makers and other stakeholders on development of sustainable land use 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».