MétaCan
Menu
Retour à la cohorte
Enregistrement W4391611301 · doi:10.20944/preprints202402.0306.v1

Irrigated Agriculture Facing the Challenge of Climate Change: What Adaptation Strategies for Farmers in the Irrigated Perimeters of Môle Saint-Nicolas, Haiti?

2024· preprint· en· W4391611301 sur OpenAlexaff
Frantz Mial, Jean‐François Bissonnette, Marc‐André Bourgault, Meryem Qacami

Notice bibliographique

RevuePreprints.org · 2024
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLand Rights and Reforms
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésAgricultureIrrigated agricultureClimate changeAdaptation (eye)SAINTClimate change adaptationGeographyAgroforestryEnvironmental resource managementEnvironmental scienceArchaeologyHistoryGeologyPsychologyOceanography

Résumé

récupéré en direct d'OpenAlex

Môle Saint-Nicolas, like all other communes in the Republic of Haiti, faces increasing climate variability, impacting agricultural production and water resources. Consequently, there is a pressing need for adaptation to these climatic changes. This research aims to showcase the adaptation strategies deployed by farmers to cope with the increasing climate variability. Surveys were conducted through group and individual discussions with a randomly selected cohort of 150 farmers. Two types of analysis were performed: quantitative and qualitative. The quantitative data analysis was conducted using SPSS software. The findings reveal that farmers have perceived changes in rainfall patterns, temperature, wind, and their environment. These changes manifest as irregular rainfall, higher temperatures, prolonged drought periods, violent winds accompanied by rain, premature cessation of rains, and reduced flow from water sources. In response, the most common adaptation strategies developed include selecting new cultivars, early-maturing varieties, crop rotation and diversification, canal dredging, new soil preparation methods, upstream water source protection, and micro-watershed management. The significance of this research lies in its contribution to enhancing farmers' adaptive capacities by alerting stakeholders in the irrigated perimeters about the consequences of climate change, thereby incorporating the real needs of farmers in future projects.

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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,429
Score d'incertitude au seuil0,423

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,135
Tête enseignante GPT0,308
Écart entre enseignants0,173 · 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'étudeQualitatif
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetLand Rights and ReformsTravaux en français237 207