Why Do Farmers Not Irrigate All the Areas Equipped for Irrigation? Lessons from Southern Africa
Notice bibliographique
Résumé
The reliance on rainfed agriculture exposes southern Africa to low agricultural productivity and food and nutritional insecurity; yet, the region is endowed with vast irrigation potential. Extreme weather events including drought, floods, and heatwaves exacerbate the existing challenges, underscoring the need to improve agricultural water management as a climate change adaptation strategy. This mixed-methods review followed the Search, Appraisal, Synthesis, and Analysis (SALSA) framework to explore the irrigation opportunities and challenges in southern Africa by critically analysing the drivers and constraints of irrigation systems in southern Africa. The premise is to understand the reasons behind the abandonment of some of the areas equipped for irrigation. In cases where irrigation systems are present, the study assesses whether such technologies are effectively being used to generate the expected agricultural productivity gains, and what factors, in cases where that is not the case, constrain farmers from fully using the existing infrastructure. The review further discusses the enabling environment supporting irrigated agriculture and the role of gender in irrigation development. An assessment of the role of women in agriculture on the share of land equipped for irrigation to total cultivated land area, as well as on the proportion of the area equipped for irrigation versus the area that is actually irrigated is conducted. The review found a divergence between countries' land areas equipped for irrigation and actually irrigated areas. Specific to irrigation expansion, the review rebuts the notion that increasing the irrigated area increases crop production and ensures food security. This may not always be true as irrigation development needs to consider the impacts on other closely linked water and energy sectors through transformative approaches like the water-energy-food (WEF) nexus and scenario planning. If well-planned and implemented, sustainable irrigated agriculture could be catalytic to transforming southern Africa's food system to be inclusive, equitable, socially just, and resilient, benefiting people and the planet.
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».