Perception et observation : les principaux risques agro-climatique de l’agriculture pluviale dans l’ouest du Niger
Bibliographic record
Abstract
La variabilité et le changement climatiques constituent un défi pour l’agriculture pluviale au Sahel. L’objectif de cette étude était d’identifier et de hiérarchiser les risques agroclimatiques, leurs impacts et les stratégies d’adaptation, à travers la perception communautaire et l’analyse des données observées. Une enquête a été conduite au Niger auprès de 361 chefs de ménage de 12 villages des zones sahéliennes et sahélo-soudaniennes. Les données de précipitations et de vents de 2 stations météorologiques ont été analysées. Les résultats montrent que les communautés sont conscientes de l’existence des risques agroclimatiques, à savoir la fin précoce des pluies, les vents de sable en début de saison et les séquences sèches qui sont les événements météorologiques les plus fréquents et les plus sévères. Les perceptions sur les vents et les séquences sèches s’accordent avec les résultats de l’analyse des données observées, alors qu’en ce qui concerne la fin précoce des pluies, l’analyse des données observées révèle un retour à une meilleure situation, qui demeure cependant non perceptible par les communautés, du fait de la forte variabilité intra et interannuelle. Les impacts immédiats sont les pertes de semis et de récoltes et le développement des ravageurs de cultures. Ces impacts entrainent à leur tour l’affaiblissement des animaux et l’insécurité alimentaire. Bien qu’elles développent des stratégies d’adaptation, telles que les variétés améliorées et les techniques de conservation des eaux et de défense et de restauration des sols, les communautés semblent être désarmées par le phénomène. Dans l’immédiat, la proposition de stratégies d’adaptation face aux risques identifiés par les communautés aiderait à faire face aux effets des variabilités et changements climatiques sur l’agriculture pluviale au Sahel.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".