Underscoring the Vulnerability of Livelihood Activities of Rural Households to SoilErosion in Imo State, Nigeria
Notice bibliographique
Résumé
The study underscored the vulnerability of livelihood activities of rural households to erosion menace in Imo State, Nigeria. Specifically, the study described the socio-economic characteristics of rural households in Imo State; identified the livelihood activities of rural households in the study area; and ascertained the perceived effects of soil erosion on predisposed livelihood activities of rural households. Data were collected from 90 households selected through multistage sampling procedure using structured questionnaire. Data analysis was performed using percentage, mean score from the result, the sampled household members were dominated (53.3%) by male gender with average age of 44 years and Secondary school qualification (50.0%). In terms of social organization membership, 63.3% of them did not belong to any social organizations, and at the same time 63.3% lacked access to credit, while 46.6% of the households indicated having extension forth-nightly. From the result, majority (93.3%) of the rural households were into crop production. followed by 85.5% who derived their livelihood from livestock production. The result showed that soil erosion is capable of destroying 9 (nine) predisposed livelihood earnings of rural households out of the 19 livelihood activities understudied. These include the tendency of destroying farm lands (Mean = 3.1), reducing crop yield (Mean = 2.9), destroying economic trees (M = 2.8), impoverishing farm lands (Mean = 2.6), increasing of cost hiring farm labour (Mean = 2.6), marketing difficult (Mean = 2.7), decreasing income diversification of rural households (Mean = 2.8), destroying residential buildings and farm structures (Mean = 2.5). The study concluded that rural households in Imo State engage in multiple streams of nonfarm activities that directly or indirectly predispose farm activities to soil erosion. Hence, it is recommended that environmental friendly policies like government's support for soil conservation farming, organic farming should be put in place by the government to increase the consciousness of protecting the soil from actions that predispose it to erosion
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».