Why smallholders stop engaging in forest activities: the role of in-migration in livelihood transitions in forested landscapes of southwestern Ethiopia
Notice bibliographique
Résumé
Forest decline and degradation are particularly high in the tropics and pose a risk to those who depend on forest resources. The in-migration of smallholders to forest frontiers can fuel transitions of livelihoods and land and resource use. However, the conditions under which in-migration contributes to such transitions remain poorly understood. With this study, we aim to investigate the influence of in-migration, together with other non-demographic factors, on the livelihoods of local and migrant communities. As a case study, we chose the Guraferda district, a hotspot of rural in-migration and forest loss in southwest Ethiopia, where the forest-based local population experienced a rapid transition to agriculture-based livelihoods. We used 224 household surveys in three different kebeles (smallest administrative unit in Ethiopia) and applied descriptive and analytical statistics to understand how and why the forest activities of local and migrant groups have changed since a major resettlement program was launched in 2003. The findings were contextualized by local expert knowledge to assess forest loss and the role of in-migration in livelihood transitions and deforestation. Forest cover in Guraferda declined partially because of the in-migration of smallholders from agricultural-based systems, and insecure land tenure, but also considerably because of the expansion of commercial agriculture. With the decline in forest, the local population adopted migrants’ agricultural practices, a trend further encouraged by agricultural policies and barriers to participation in forest management for locals. Our study challenges simplified assumptions in in-migration–deforestation debates by showing that governmental policies, land tenure, and natural-resource access are mediating the impact of migration on livelihood transitions and deforestation. We conclude that securing land tenure and equal access to natural resources for frontier residents and promoting a mix of agricultural and forest livelihood activities can reduce adverse impacts in in-migration areas.
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 | 0,000 | 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 | 0,000 |
| 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 ».