Role of Indigenous and local knowledge in seasonal forecasts and climate adaptation: A case study of smallholder farmers in Chiredzi, Zimbabwe
Notice bibliographique
Résumé
Accessible, reliable and diverse sources of climate information are needed to inform climate change adaptation at all levels of society, particularly for vulnerable sectors such as smallholder farming. Globally, many smallholder farmers use Indigenous knowledge (IK) and local knowledge (LK) to forecast weather and climate; however, less is known about how the use of these forecasts connects to decisions and actions for reducing climate risks. We examined the role of IK and LK in seasonal forecasting and the broader climate adaptation decision-making of smallholder farmers in Chiredzi, Zimbabwe. The data were collected from a sample of 100 smallholder farmers. Seventy-three of the 100 interviewed farmers used IK and LK weather and climate forecasts, and 32% relied solely on IK and LK forecasts for climate adaptation decision-making. Observations of cuckoo birds, leaf-sprouting of Mopane trees, high summer temperatures, and Nimbus clouds are the main indicators used for IK and LK forecasts. The use of IK and LK climate forecasts was significantly positively associated with increasing farmer age and farmland size. Farmers using IK and LK forecasts implemented, on average, triple the number of adaptation measures compared with farmers not using IK and LK. These findings demonstrate the widespread reliance of farmers on IK and LK for seasonal forecasts, and the strong positive link between the use of IK and LK and the implementation of climate adaptation actions. This positive association between IK and LK usage and the implementation of adaptation actions may be widespread in smallholder farming communities throughout Africa and globally. Recognition and inclusion of IK and LK in climate services is important to ensure their continued potential for enhancing climate change adaptation.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».