What affects farmers in choosing better agroforestry practice as a strategy of climate change adaptation? An experience from the mid-hills of Nepal
Notice bibliographique
Résumé
Determinants for choosing climate change adaptation strategies and selecting improved agroforestry practices have rarely been explored, while numerous studies have been conducted on climate change and agroforestry. This paper discusses; local understanding of climate change, climatic impacts, and factors that affect farmers' choices of adaptation strategies, and agroforestry practices. We focused on three districts located in the mid-hills of Nepal, where farmers were adopting agroforestry practices in two forms; traditional and improved practices. We followed three techniques of social survey; household survey (n = 420), focus group discussions (n = 6), and key informant interviews (n = 24). Almost all farmers of the study areas were experiencing climatic challenges, but only 59.29% of them accepted that the challenges are induced by climate change and, likewise, 55.24% have adopted climate change adaptation measures. Diversifying crop production, shifting farming practices, changing occupation, and emigration were local adaptation strategies. Livelihood improvement, income generation, and food production were the primary motives for adopting agroforestry practices in the study area. Agroforestry as an adaptation measure to climate change was considered secondary by most farmers. Statistical analysis using a logit model revealed that age, education, and habit of growing commercial species significantly influenced farmers adopting climate change adaptation strategies. Likewise, age, education, gender, habit of growing commercial species, and income from tree products significantly influenced the choice of improved agroforestry practices as a better option. Though agroforestry was widely considered a strategy to combat climate change, only some farmers accepted it due to their awareness level. Therefore, education programs such as training, farmer field schools, door-to-door visits, etc., should be intensified to sensitize farmers about climate change and encourage them to adopt improved agroforestry practices. The findings of the study could reinforce local, national, and international allied agencies to design operative actions in the days to come.
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 | 0,001 | 0,002 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».