Adaptation to climate variability: farmers' practices and perspectives in cocoa farming in Côte d'Ivoire
Notice bibliographique
Résumé
Côte d'Ivoire supplies over 40% of cocoa production worldwide. Climatic variability threatens to significantly reduce the area suitable for cocoa cultivation. Cocoa farmers have already leveraged their intimate knowledge of the local climate to adapt their production systems to climate change. However, their practices have not been well documented or evaluated. In response, this study aims to assess climate-smart cocoa practices for scalability recommendations. The study was conducted across three zones of predicted climate impacts on cocoa production: low impact, high impact, and a transformational impact. Climate-smart practices were inventoried, analyzed, and synthesized in different production contexts and by household categories in terms of well-being and asset endowment. The list of practices was then validated in a national stakeholder workshop in terms of agricultural productivity, food security, income generation, climate resilience and ecosystem services, economic viability and sustainability, and adoption probability. The resulting recommended practices are presented according to climate hazard. These recommendations represent local experiential knowledge consensus and offer valuable options for sustainable cocoa management in a changing climate. Our results show that Ivorian cocoa farmers broadly believe climate change will continue to worsen and have already widely adopted several of the recommended practices, particularly agroforestry. However, nearly none of the farmers across all three impact zones anticipate that cocoa production will become unviable. Climate information services offer significant potential for addressing this information gap and further supporting farmers' decision making in the face of climate change. Keywords: Climate Change, climate-smart practices, diversification, resilience, West Africa
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 | 0,001 |
| 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 | 0,000 | 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) | 0,001 | 0,001 |
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 ».