Use of "prep-pac" product to improve maize and legume yields, legume heights and improved farm income in the nutrients depleted soil of Western Kenya
Notice bibliographique
Résumé
African agriculture is highly diverse, with major farming systems matched to the major agroecologies.In each country or region there are localised agroecological gradients, and large differences between regions in terms of access to markets.Within each village a wide diversity of farming livelihoods can be found -differing in production objectives and resource endowments.Differences in soil fertility are partly derived from inherent differences in properties (the 'soilscape') but are strongly influenced by past management, particularly by the rates and quality of organic manures added to the soils.It is clear that 'one-size-fits-all' or silver bullet solutions that are generally applicable for enhancement of soil fertility simply do not exist.Further, although research has focused on 'best bet' technologies for different regions, a better conceptualization is 'best fit' technologies for specific situations.Although the heterogeneity in African farming is at first sight bewildering, systematic analysis across farming systems in West, East and southern Africa reveals repeating patterns of management.These repeating patterns of allocation of nutrient resources and management methods lead to self-organization among smallholder farms.The past management of fields leads to extreme differences in fertilizer use efficiency, e.g. from 5 kg grain kg N -1 to 50 kg grain kg N -1 between fields of the same farm.By categorizing field types within agroecological zones in simple terms, easily recognizable by farmers, 'rules-of-thumb' can be derived for highly-efficient management of scarce nutrient resources in these heterogeneous environments.Success of legume-based technologies for soil fertility improvement, such as grain legume/cereal rotations or legumes for animal fodder also varies enormously depending on the soil fertility status of fields.New approaches for enhancing productivity in Africa must take account of, and harness, the dynamic nature of farming systems and the heterogeneity between regions, farmers and their fields.Our proposed approach represents a substantial shift in concept from traditional 'blanket recommendations' to focus on the targeting of bestfit technologies to different farmers and crops within production systems using simple 'rules-of-thumb' derived from scientific principles and local farmers' knowledge.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».