Sugarcane Burning: Why?
Notice bibliographique
Résumé
The sugarcane harvesting practices of farmers pose a recurring problem of burning the sugarcane fields every year, leading to the release of PM 2.5, which is hazardous to health and a matter of concern for all parties involved. The objective of this research is to investigate the causes of sugarcane burning by farmers. Data is collected through participatory observation methods and group discussions with a sample group of farmers in the provinces with the highest incidents of sugarcane field fires, namely Nakhon Ratchasima, Kalasin, and Khon Kaen in the northeastern region of Thailand during the 2021/2022 production season. Content analysis techniques are employed to identify the reasons behind the behavior of burning sugarcane. The findings reveal that sugarcane burning has been a long-standing practice among farmers, and the prevalence of burning has increased due to a shortage of labor for sugarcane cutting. The available machinery for sugarcane cutting is insufficient and unsuitable for the farmers' fields. Farmers who burn sugarcane fields are aware of the health impacts and have benefited from the government's measures to address the issue of sugarcane field fires. However, it is observed that the quantity of burnt sugarcane still exceeds the government's target, because burning sugarcane is a cost-effective, convenient, and rapid method. It is found that penalizing farmers at a rate of 30 Baht per ton of burnt sugarcane and providing assistance at a rate of 120 Baht per ton of fresh-cut sugarcane does not sufficiently motivate farmers to change their sugarcane burning behavior.
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 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».