Constraints to agroforestry diffusion under the Billion Trees Afforestation Project (BTAP), Pakistan: policy recommendations for 10-BTAP
Notice bibliographique
Résumé
Effective agroforestry diffusion under the newly started 10-Billion Trees Afforestation Project (10-BTAP) needs a thorough understanding of the policy and implementation shortfalls of the already completed BTAP. This study examines the factors that affected the diffusion of the agroforestry in the Hindu-Kush Himalayan (HKH) region of Pakistan under BTAP. The data were gathered through in-depth interviews with Village Development Committee (VDC) members, Forest Department (FD) officials, and local farmers. Important factors positively affecting agroforestry diffusion included locations of crop fields on the river sides, community dependency on firewood, and market value of agroforestry timber. The logistic regression model shows that household head's age, access to information, and area under cropland positively affected household level adoption of agroforestry under BTAP; forest cover was negatively related. In-depth interviews show that key barriers to FD in diffusion of agroforestry included provision of false information by farmers to monitoring teams, non-availability of extension staff, lack of communication among project staff and community, as well as a lack of sufficient budget for activities. Primary barriers to community adoption of agroforestry included no participation of VDCs in planning and monitoring of agroforestry programs, lack of plant need assessments on the part of the project staff, poor quality of plants distributed by FD, farmers' poor know-how of plantations, lack of trust among community and project staff, as well as the waste of plants by farming community. Thus, this study recommends that policy-makers and project designers should consider these factors when planning agroforestry diffusion under 10-BTAP to improve its success.
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 | 0,003 | 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 | 0,005 | 0,002 |
| Communication savante | 0,000 | 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) | 0,002 | 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 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 ».