Nodule crushing: a novel technique to decentralize rhizobia inoculant technology and empower small-scale farmers to enhance legume production and income
Notice bibliographique
Résumé
Millions of small scale legume farmers lack access to rhizobia bacterial inoculants that improve crop protein and yield, and minimize fossil-fuel based nitrogen fertilizers, through biological nitrogen fixation (BNF). BNF converts atmospheric nitrogen gas into ammonia, required to synthesize chlorophyll and amino acids. BNF is catalyzed by rhizobia that inhabit nodule organs in legume roots (e.g., soybean, cowpea, chickpeas, lentil, fava, peas, beans). Rhizobia inoculant access in remote communities is limited by centralized facilities to grow bacteria, inadequate transportation networks and refrigeration. Recently, we proposed that rhizobia inoculants can be diffused by farmers themselves, simply, by crushing nodules onto seeds, and demonstrated its efficacy under field conditions. A concern was whether nodules remain viable between growing seasons. Here we provide preliminary evidence that bean nodules, dried and stored at room temperature after 6 months, retain nodulation potential. We discuss: (1) the feasibility, constraints and risks of nodule crushing; (2) scaling up strategies; (3) entrepreneurship that benefits women farmers (e.g., nodule-selling microenterprises); and (4) empowering farmers to directly select, evolve and indigenize rhizobia for the first time. Finally, we prioritize research questions and encourage the formation of a global participatory research network, with the goal of decentralizing and democratizing rhizobia inoculants.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».