MétaCan
Menu
Retour à la cohorte
Enregistrement W4386712657 · doi:10.5772/intechopen.112643

Climate Variability and Outlook of Cocoa Production in Côte D’ivoire under Future Climate

2023· book-chapter· en· W4386712657 sur OpenAlexafffund
Antoine Alban Kacou M’bo, Mamadou Chérif, Kouakou Kouadio, Mahyao Germain Adolphe, Adama Bamba, Evelyne N’Datchoh Toure, Alla Kouadio Okou, Renée Brunelle, Yanick Rouseau, Daouda Koné

Notice bibliographique

RevueIntechOpen eBooks · 2023
Typebook-chapter
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCocoa and Sweet Potato Agronomy
Établissements canadiensOuranos
Organismes subventionnairesWest African Science Service Centre on Climate Change and Adapted Land UseInternational Development Research Centre
Mots-clésPrecipitationClimate changeWet seasonEnvironmental scienceDry seasonGeographyClimatic variabilityClimatologyClimate modelEcologyBiologyMeteorologyCartography

Résumé

récupéré en direct d'OpenAlex

Cocoa supports about 3.5 million people. Farmers produce each year 1.5 million ton. This performance hides production constraints, the most is climate variability. The climatic variables, temperature, precipitation, and 16 climatic indices were identified to assess the potential impacts on cacao in the past year, currently and under future climate. The climate data in the southern and central cocoa production zone were analysed for periods of 2021–2050 and 2041–2070. The climate reference period is 1981–2010. The climate projections are from the CORDEX RCP 4.5 and 8.5. The results suggest an increase in daily temperature of 1.0–2.1°C in the central region and 0.9–2.0°C in the southern region by 2041–2070. Cocoa could be affected by the projected changes, especially in the central region where the maximum daily temperature at which production is reduced (33°C) would be exceeded between 92 and 142 days per year by this time horizon. The direction of changes in precipitation cannot be established due to a lack of consensus between the climate models analysed. However, the little rainy season would start slightly earlier, potentially reducing the duration of the little dry season between the rainy seasons. The climate scenarios enhanced deterioration of growing environment conditions. It is necessary to take adaptation measures to mitigate climate impacts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,815
Score d'incertitude au seuil0,643

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,224
Écart entre enseignants0,202 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIntechOpen eBooksMême sujetCocoa and Sweet Potato AgronomyTravaux en français237 207