Energy Use in Building in Front of Climate Change: An Analysis of the Adaptation Strategies of Corn Farmers in Benin
Notice bibliographique
Résumé
In Benin, maize production is important for food security and rural household incomes. However, it is subject to climatic variations that induce low yields and productivity levels. This innovative study categorizes the energy sources used in its production to identify levers for improving agricultural productivity. A survey of 230 maize growers in the communes of N'Dali, Sinende and Nikki was carried out. Data were collected using structured questionnaires on farming activities and input use, then converted into energy values using energy equivalence coefficients collected in previous studies. The results reveal a high level of awareness among maize growers (97.4%) of the impacts of climate change on maize production. In terms of the amount of energy derived from labor power, mechanical plowing stood out (133.02 MJ/ha), closely followed by animal-drawn plowing (53.04 MJ/ha) and harvesting (45.18 MJ/ha). In terms of inputs, NPK fertilizer stands out with an energy expenditure of 2238.87 MJ/ha, followed by urea with 1172.95 MJ/ha. Although increasing labor power remains the approach most adopted (61%) by growers to maintain the productivity of their farms, the results revealed a predominance of energy from agricultural inputs (94.91% of total energy), underlining the preponderance of inputs in overall energy requirements.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».