Adoption of Climate Smart Agricultural Technologies among Smallholder Farmers in Semi-Arid Ghana
Notice bibliographique
Résumé
The evidence of climate change and variability in semi-arid Ghana is glaring and the adverse impact is being felt mostly by smallholder farmers because of their over dependence on agriculture for livelihood and subsistence. As a solution to building the resilience of the smallholder farmers, the Climate Smart Agriculture (CSA) concept was introduced a decade ago by the Food and Agriculture Organization, guided by three key principles of adaptation to climate change, greenhouse gas emissions reduction and promotion of food security. The paper sought to assess the level of awareness of climate smart agriculture practices and the respective rate of adoption of these practices. Moreso, this paper established how Normalised Difference Water Index (NDWI) and Land Surface Temperature (LST) affects the adoption rate of CSA practices or technologies. The study employed the explanatory sequential mixed research methods. A semi-structured questionnaire was used to collect data from 300 smallholder farmers and 16 focus group discussions were conducted, with a total of 180 persons taking part in the focus group discussions. Key informant interviews were also conducted for 11 relevant stakeholders from governmental and non-governmental institutions. Findings from this study reveal that CSA practices such as intercropping, manure management and mulching had a 100% adoption rate, and the least adopted practice was irrigation followed by dry season gardening. The NDWI and LST analysis concluded that Nandom is the most viable among the two municipals to support irrigation projects since it has more capacity to retain surface water during the dry and wet seasons.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».