Leveraging AI and Precision Agriculture to Restore Irrigation Infrastructure Damaged by El Niño and La Niña Events: A Case Study of Mwogo Marshland, Rwanda
Notice bibliographique
Résumé
The Mwogo Irrigation Scheme, launched in 2007 in Huye District, Southern Rwanda, was developed into a climate-resilient agricultural hub through a €20 million investment by Welthungerhilfe and its development partners—including EKN, BMZ, VcA, and the Canadian Embassy—until 2014. This extensive effort transformed the marshland into one of the country’s flagship rice production zones, supporting over 2,393 smallholder farmers organized into five cooperatives. However, the devastating effects of the 2024–2025 El Niño, coupled with the forecasted La Niña, have severely compromised this legacy. Key infrastructure, such as the Gatindingoma Dam, Kabakobwa Intake, and Ntaruka canal section, along with water wells for safe community drinking water, collapsed due to extensive flooding, erosion, and siltation. Over 300 hectares of rice land were left without irrigation, leading to a drop in yields from 5.0 to 2.9 tons/ha and threatening local food security and rural livelihoods. This study employs a combination of field evidence, Normalized Difference Vegetation Index (NDVI)-based crop stress analysis, and Random Forest machine learning algorithms to estimate yield loss and identify hotspots of agricultural damage. Furthermore, it proposes a comprehensive recovery strategy centered on smart irrigation systems, Internet of Things (IoT)-enabled monitoring, AI-based early warning systems, and climate-indexed insurance products. The findings call for urgent re-engagement by Welthungerhilfe and its development partners—both former and prospective—to reinvest in the Mwogo Marshland and ensure its transformation into a resilient, technology-enabled agricultural zone.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».