Multiple cropping alone does not improve year-round food security among smallholders in rural India
Notice bibliographique
Résumé
Abstract Achieving and maintaining food and nutrition security is an important Sustainable Development Goal, especially in countries with largely vulnerable population with high occurrence of hunger and malnutrition. By studying a small-scale agricultural system in India, we aim to understand the current state of dietary diversity and food insecurity among the farmer communities. The study landscape has witnessed a steady rise in multiple cropping (i.e. harvesting more than once a year) along with irrigation over the last two decades. Whether this multiple cropping can be expected to improve year-round food security is not well understood. We specifically examine if planting multiple food crops within a year is associated with dietary diversity and food security. We collected information on demographic and economic variables, farming activities and livelihood choices, from 200 unique households for three seasons (monsoon/rainy, winter, summer) during 2016–2018 ( n = 600). Based on both a 24 h and a 30 days recall, we calculated several indicators, including the household dietary diversity score, the minimum dietary diversity for women, and household food insecurity access scale. At least 43% of the sample population experiences moderate to severe food insecurity in all seasons. Cereals (mainly rice) remain the most important food item irrespective of the season, with negligible consumption of other nutrient-rich food such as tubers, fish, eggs, and meats. Around 81% of women in all seasons do not consume a minimally diverse diet. Multiple cropping is associated with higher food security only during monsoon, while selling monsoon crops is associated with winter food security. Households practicing multiple cropping consume more pulses (a plant-based protein source) compared to single-cropping or non-farming households ( p < 0.05). We find that multiple cropping cannot be used as a cure-all strategy. Rather a combination of income and nutrition strategies, including more diverse home garden, diverse income portfolio, and access to clean cooking fuel, is required to achieve year-round dietary diversity or food security.
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 | 0,000 | 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 ».