Climate and Food Insecurity Risks: Identifying Exposure and Vulnerabilities in the Post-Food Production System of Northern Ghana
Notice bibliographique
Résumé
Evidence shows how food system activities, from production to consumption, underpin food security. However, studies exploring climate impacts on food security in northern Ghana have overly focused on production systems, neglecting post-production activities that loom large in food security. This paper addresses the research need to comprehensively analyze how climate change and weather variabilities affect post-production activities and exacerbate food insecurity risks in northern Ghana. It analyzes data on climate hazards, impacts, and food system vulnerabilities using questionnaires and participatory engagement with farming households in northern Ghana. Results show that climate-induced food insecurity risks in northern Ghana are not just products of persistent exposure to climate hazards and their impacts on food production in the region. Instead, risks are inextricably connected to the vulnerability contexts within which food is harvested, processed, stored, and marketed. Specifically, the results reveal that climate hazard events such as floods, extreme temperatures, and droughts damage stored grain, disrupt food supply to the market, and cause seasonal volatilities in food prices. However, these impacts are not solely externally generated circumstances. The food system is highly vulnerable; most households lack access to threshing and grinding machines, warehouse storage, post-harvest management information, and transportation services. These underlying characteristics of the post-food production system of northern Ghana, which is ultimately quite remote from climate change and weather variabilities, exacerbate household-level food insecurity risks.
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 ».