Farmers’ Preferences for Varietal Traits, Their Knowledge and Perceptions in Traditional Management of Drought Constraints in Rice Cropping in Benin: Implications for Rice Breeding
Notice bibliographique
Résumé
Rice (Oryza spp.) is one of the most important crops that significantly contribute to food security in Benin. In the current context of climate change, drought is known to be the main abiotic stress in crops and a major yield-limiting factor for agricultural production worldwide. To assess farmers’ knowledge, the preference traits of the rice cultivars in use, their perceptions and management of drought stress in rice production in Benin, an ethnobotanical investigation was conducted in 50 villages throughout the major zones. The results showed that High yield combined with good grain quality (including good taste, softness after cooking, less starch, white pericarp, long grain length and swelling when cooked), medium maturing and tolerance to drought and flood were the most desired traits motivating farmers for growing rice cultivars. Taste and high yield were the paramount traits of IR841, the most popular rice variety currently cropped in Benin followed by its fragrance. Drought constraints was reported as the most damaging abiotic stress across the villages surveyed with field lost estimated up to 100% at the flowering stage. Changing sowing date (80%), the use of irrigation systems (10%) and the cropping of early maturing cultivars (7%) were the most traditional strategies to reduce drought impacts. Needs for tolerant varieties were clearly expressed by farmers to mitigate drought effects on rice production in Benin. The results of this survey emphasize the need for rice breeders to focus more on improving grain quality in addition to high yield potential and tolerance to abiotic stresses mainly drought.
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 | 0,001 |
| 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 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 ».