Effects of Improved Cassava Varieties on Farmers’ Income in Northern Agro-ecological Zone, Uganda
Notice bibliographique
Résumé
This paper examines the extent to which improved cassava varieties contribute to improvement in income of smallholder farmers in the Northern agro-ecological zone of Uganda. In order to achieve the objective, data was collected from PRELNOR supported farmers’ fields, other farmers’ fields and baseline cassava fields. Consequently, descriptive statistics, gross margin and stochastic frontier analysis were adopted during analysis. Results from the analysis revealed that higher yields per hectare were registered within PRELNOR supported farmers’ fields and yield from NAROCAS1 surpassed all the varieties (37.3 tons per hectare). Location specific results revealed that Gulu had better yields (34.5 tons per hectare) while Kitgum registered the lowest average (24.1 tons per hectare). Gross margin indicated that every Shilling invested in improved variety earned profit 1.3 to 1.8 times above the local variety and each shillings invested in PRELNOR supported fields generated 5.6 times above the baseline fields. The parameter estimate for profit function revealed that planting material, other production related costs, NAROCAS1, NASE14 and NASE19 were positively correlated with profit but labour and baseline field had negative correlations. Conversely, profit efficiency grew by 40% under improved varieties against local varieties. This study suggests that the difference in yields and profit between locations was caused by biophysical characteristic; disease tolerant varieties can tremendously improve profitability and income; meanwhile the profit gaps were partly attributed to inefficiency. This study recommends fast tracking adoption of pest and disease tolerant varieties and integrated research and development approach throughout the cassava value chain.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».