Managing uphill cultivation under climate change – An assessment of adaptation decisions among tribal farmers in Nagaland state of India
Notice bibliographique
Résumé
Tribal farmers in the Himalayas are vulnerable to climatic changes, as their rain-fed cultivation systems, practiced on steep, sloping terrain, are susceptible to changes in rainfall while at the same time being the primary means of livelihood. Soil and water conservation practices (SWCP) can improve the resilience of these cultivation systems to adverse climatic conditions. However, little is known about adaptation within these tribal farming communities. This is the first empirical study on the adaptation decisions of tribal farmers in the Himalayan uplands of Northeast India. Starting from the analysis of future climate risks, we surveyed 372 tribal farmers in Nagaland state to analyze perceived climate and environmental changes in relation to socio-demographic factors. We estimate current adoption rates of SWCP together with farmers' goals and values and employ a binary logit model (BLM) to quantify the influence of diverse factors on adaptation decisions. Our results show that increases in temperatures and crop diseases were the most perceived changes by tribal farmers. Climate projections indicate that precipitation amount and intensity, along with temperatures, will increase towards the end of the century, underlining the importance of SWCP. However, all considered SWCP were employed by less than half of the tribal farmers. Adoption probabilities for all practices were significantly increased when farmers participated in agricultural training. After that, participation in a civil society organization, livestock ownership, high-altitude locations, and perceived increases in droughts were found to increase adoption probabilities significantly, while socio-demographic factors were of only minor importance. If the most effective factor was employed to all farmers, average adoption rates of SWCP could at least double. Adoption decisions were mainly motivated by improving livelihoods, sustaining natural resources, reducing workload, and preserving cultural aspects of cultivation. This research contributes to understanding adaptation decisions of tribal farmers and quantifies the untapped potential for climate change adaptation of marginalized and climate-vulnerable farming communities in mountain regions.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».