Technical Process and Economic Analyses of Organic Moringa Oleifera Production in the Sahel Region of Niger
Notice bibliographique
Résumé
In the Sahel of Niger, the fight against food insecurity remains one of the main major challenges. To reduce the effects and impacts of recurring food crises in rural areas, the production and processing of organic Moringa oleifera have been developed to strengthen community resilience. This study aims to analyze the technical and economic aspects of the production and processing of organic M. oleifera to achieve this a digital interview guide was designed on KoboCollect and administered to 231 heads of households including 132 women and 99 men in the Sahel regions of Maradi and Zinder, Niger. Data on moringa production systems, types of processed moringa products, and the financial profitability of operating accounts was analyzed. The results revealed that the seasonal cultivation practices identified two moringa production systems irrigated and rainfed. The results showed that in the rainy season, producers practice the production of pure organic moringa (82%) organic moringa associated with cereals (9.1%), and organic moringa associated with legumes (8.9%). Most producers associate organic moringa with market gardening crops (70.42%) and pure moringa (29.58%) for the irrigated system. Furthermore, the different types of processed products, are Dried Moringa Leaves (FSM), Precooked Moringa Leaves (PML), Moringa Leaf Powder (MLP), and Moringa Oil (MO). The analysis of the operating accounts showed that the irrigated moringa production system is more profitable than the rainfed system with (55%) financial profitability in Kanambakaché and Droum (55%). On the other hand, the rainfed moringa production system is less profitable with a financial profitability rate of 36% in Dogo.
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 | 0,002 | 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 | 0,000 | 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 ».