MétaCan
Menu
Retour à la cohorte
Enregistrement W4285329858 · doi:10.56160/jaeess202172020

Climate Change Anomalies and Beans Production in Nigeria

2021· article· en· W4285329858 sur OpenAlexaboutno aff
AO Ajala, Joshua Olusegun Ajetomobi, I.K. Ojedokun

Notice bibliographique

RevueJOURNAL OF AGRICULTURAL ECONOMICS ENVIRONMENT AND SOCIAL SCIENCES · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHectareNet profitClimate changeRevenueAgricultural economicsEnvironmental scienceYield (engineering)Production (economics)Unit (ring theory)Profit (economics)Agricultural scienceGeographyEconomicsMathematicsAgricultureEcologyBiology

Résumé

récupéré en direct d'OpenAlex

This study evaluated the impact of climate change on yield and net revenue of beans production in Nigeria using Feasible Generalised Least Square and Hedonic Ricardian Approach. Secondary data were used for this study; monthly rainfall and temperature data from 1981 to 2019 were obtained from Nigeria Meteorological agency while data on socioeconomic and demographic characteristics as well as farm production for 2000 beans farmers across the six agro-ecological zones were obtained from General household survey wave IV. The study reveals that beans crop is sensitive to infinitesimal change in temperature than rainfall. The marginal impact analysis of increasing temperature and rainfall indicated that a unit increase in rainfall decreased the net revenue of beans by N14,997 per hectare, while a unit increase in temperature increased the net revenue of the beans production in Nigeria by N15,316 per hectare. The adjusted mean yield of beans will increase by 1.058kg per hectare with a unit increase in temperature while it will reduce 0.173 per hectare with a unit increase in rainfall. The study also examined the impact of predicted climate scenarios from two models namely Canadian Climate Change and Parallel Climate Model on net revenue for the years 2050 and 2100. All these models indicated increasing temperature would have a positive impact on the net revenue from beans production for the year 2050 but the impact will be negative by year 2100. This means there will be more profit from beans production in year 2050 while in 2100 the beans farmers will produce at loss. Nigeria government should therefore consider designing and implementing adaptation policies to counteract the harmful impacts of climate change on beans production.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,222
Écart entre enseignants0,180 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJOURNAL OF AGRICULTURAL ECONOMICS ENVIRONMENT AND SOCIAL SCIENCESMême sujetClimate change impacts on agricultureTravaux en français237 207