待办事项气候和非气候变量如何影响在农村弱势群体农业主要作物在加纳北部的Bawku本市生产的？

抽象

我们研究了气候(温度和降雨量)和非气候变量(利用土壤pH值和有机质的土壤肥力)对主要农作物(玉米)产量的影响。玉米l,小米狼尾草glaucuml，以及米[水稻L.))在加纳北部的博库市的脆弱社区。以五个选定的农业社区为研究地点，从主要和次要来源获得多个数据集。参与性方法和问卷被用作数据收集工具来量化和限定气候(温度和降雨量)和非气候变量(使用土壤pH和有机质的土壤肥力)以及作物生产。Mann-Kendall趋势检验结果表明，15年(1999 - 2013年)期间，本市年降雨量变化显著，平均气温变化相对稳定。多元回归结果表明，在其他因素保持不变的情况下，气候和非气候因素，特别是降雨、土壤pH值和有机质对玉米、谷子和水稻有显著的正向影响。我们的结论是，为了减轻气候对生产的负担，应向市政当局提供更好的灌溉设施，并向农民提供有关即将到来的生长季节的天气预报信息，使他们能够作出明智的决定。此外，气候适应政策应考虑气候和非气候变量的外部驱动因素之间的相互作用，以更好地增强农民在地方一级粮食安全方面的适应能力。

1.简介

地球气候的动态振荡是一个现实。跨越空间尺度气候系统的变化是所谓的气候变异（以下简称CV）1]。在全球变暖的情况下，预计气温和雨量等气候变数会因对农业的影响不相称而改变[2- - - - - -4]。CV的复杂性仍然是可持续农业和粮食安全的主要挑战[4- - - - - -11]。从地区来看，撒哈拉以南非洲地区，由于相当大的影响，CV对农业系统仍然存在的“氧气”，支持经济照亮容易受到粮食不安全的较高水平。

低降水量显着影响许多撒哈拉以南非洲国家的农业系统[12]。许多主食作物遭受其影响。因此小农户的生计在撒哈拉以南非洲的许多地方，包括加纳急剧下降[13]。最大的问题是粮食作物生产对气候和非气候变量的相互作用有多大影响?关于特定作物如何受到CV不利影响的学术研究在世界许多地方都很丰富。例如，Osbourne和Wheeler [9表明，在全球范围内，1960年至2009年间，由于降雨量少，水稻产量大幅下降。科学证据表明，在许多农业地区，由于CV风险增加，作物产量预计将下降10%至20%。14]。政府间气候变化专门委员会在一项相关分析中估计，到2080年，将有3400万至6亿人可能遭受饥饿[15]。因此，确定气候变量如何相互作用以影响作物生产的动态越来越重要，以便制定可持续的粮食安全战略政策[16]。除了降雨，高温是许多农作物的另一个气候决定因素[4]。据估计，平均气温每升高1℃，农民的收入就可能减少约10% [5]。这可能会在许多第三世界国家愈演愈烈，由于其有限的适应能力。因此，农民的经济困难可能加剧的影响对生计[结果17]。根据IPCC [影响的无数的1]将采取不同的整个非洲大陆的经历，由于其他社会经济挑战。

非气候因素也被认为是影响作物产量的重要因素[18,19]。灌溉、作物品种和施肥等技术和管理因素被认为是直接或间接影响作物生产的重要非气候因素，特别是玉米[20.]。土壤肥力被认为是一种重要的非气候驱动因素，可以极大地影响作物产量，尤其是谷物[19]。然而，对非气候变量及其伴随的农业系统风险的考虑，特别是对作物生产的考虑却很少[21]。气候与非气候因素的界面对作物生产的影响是不均衡的[22]。因此，探索这些变量如何影响不同大宗作物是很重要的，尤其是在撒哈拉以南非洲和加纳，许多人依靠农业种植业为生。

加纳尚未从CV的现象豁免。这是因为曝光和农业系统的灵敏度在全国一级简历。降雨模式已经转移，随着持续干旱咒语和升高的温度条件下〔耦合23]。这些表现都在北部地区相当显眼更多的未来预期变化[6]。这种情况将严重制约加纳许多地区的农业系统，特别是北部地区[8,24]。由于农业部门雇用了加纳人民的一大部分，因此，由于CV的任何不确定因素都可能对该国的经济造成巨大的破坏。1982年至1983年的降雨不足证明了干旱如何摧毁了大多数作物，并对该国1200多万人产生了不利影响。25]。此外，2007年，加纳北部被肆虐的洪水摧毁，影响了317 000人(317 000人)，中央Gonja地区被描述为环境灾难;因为，大约26,822英亩的农田被毁[26]。对于钉如玉米作物的生产数据（玉米L.），粟（狼尾草glaucumL.），和大米（水稻L.）在加纳北部地区自今年2010/2011一直在下降，由于降雨量少[27]。

对加纳作物CV风险的广泛研究表明，CV对农作物构成威胁[23,24,28]。然而，关于气候和非气候预测因子，特别是温度、降雨量、土壤pH值和有机质如何相互作用，动态地影响加纳北部脆弱的农村社区的农业主要作物的生产，文献中所知甚少。因此，面临的挑战是调查和填补这一知识空白，以便建立良好的政策联系，旨在有效地建立适应能力，以减轻气候和非气候风险对主要作物生产的影响。具体而言，本文旨在量化和限定气候和非气候变量如何影响以玉米为主的主要农作物的生产(玉米L.），粟（狼尾草glaucumL.），和大米（水稻l)在加纳北部的博库市的许多脆弱的农村社区种植。

2.材料和方法

2.1。研究网站

该Bawku市位于加纳的最东北部，是加纳上东部省两个直辖市之一（图1)。它位于纬度10°40之间¹和11°11¹和经度的赤道以北0°18¹西部和0°6¹格林威治子午线以东。The Bawku municipality has a total land size of about 247.23720 km²。市政府通过Pusiga区[界由布基纳法索北部，由Garu，Tempane区南部，向西通过Binduri区，以及东部29]。本市位于可变降雨模式和不利的土壤特性，以支持农业苏丹草原区域内。

这项研究覆盖了博卡市的五个社区。这些是Mognori、Kuka、Gosezi、Zabugu和Gentiga社区。对研究地点的选择是考虑到市政府对CV和主要不安全因素的脆弱性。

2.2。数据收集

我们在研究中采用了定性和定量的数据来全面了解问题。这两个数据集是通过问卷调查、焦点小组讨论(FGDs)和结构化访谈协议从主要和次要来源获得的。问卷以面对面的方式发放给粮食作物种植户。每个社区都进行了焦点小组讨论，以展开对话，揭示关于CV对粮食作物影响的个人观点。采用结构化访谈，从粮食和农业部(MoFA)、草原农业研究所(SARI)的官员那里获得更多的信息，以便他们与市政当局和加纳气象局(GMA)的农民直接接触。目的是解释和验证问卷的调查结果。这项研究是基于GMA在15年的时间里收集的月度气候变量观测记录。Hochman等人认为使用15年的数据是足够的，因为在15年或更长时间内对数据进行一致的整理。[30.为作物产量分析提供了一个良好的基础。研究中使用的气候变量是温度和降雨量[1,5]。对关键粮食作物生产数据;玉米（玉米L.），粟（狼尾草glaucumL.），和大米（水稻L.）研究区1999年至2013年还从外交部在Bawku得到了分析。此外，从土壤研究所（SRI）在库马西获得关于在Bawku市飞越在调查期间土壤肥力数据。为了评估其土壤肥力变量是用于说明对作物产量的变化重要，对主要作物和土壤肥力变量（土壤pH，有机物质，氮，磷和）进行相关分析。有机物质被发现，而土壤pH值与大米相关与玉米和小米相关。因此土壤pH值被用作大米生产土壤肥力代理和有机物作为在小米和玉米产量土壤肥力的代理。

研究参与者被简单随机和有目的地取样。的随机抽样调查参与者基于提出的模型Kasiulevičius et al。31]： 在哪里Ë=采样偏差，N = population size andñ=样本大小。

该模型有95％的置信水平和5％的误差[31]。这项研究的样本框由来自Bawku市议会计划处获得的五个社区的农民家庭的主列表中。共有214户农民，随机取样用于跨社区研究调查（表1)。

2.3。数据分析

采用描述性统计方法对农户的定量数据进行处理和分析。频率表、交叉表、条形图和饼图被用作表示调查数据的工具。利用时间序列分析方法，利用MAKESENS Excel软件分析了15年间(1999 - 2013)年最高、最低气温和降雨量的变化趋势。气候变量趋势的大小用Mann-Kendall趋势检验来检验。利用Sen的斜率公式对趋势进行量化: 在哪里X_Ĵ和X_ķ值的时间Ĵ和ķ， 分别。这些中位数N值问_一世是Sen对斜率的估计。同时，利用变异系数分析了降雨量、温度和粮食作物产量的变异性。这是用标准差除以均值得到的。

多元回归模型（普通最小二乘程序）用于分析气候（温度和降雨）和非气候（土壤pH值和有机物）的影响上三大粮食作物，玉米因子（玉米L.），粟（狼尾草glaucumL.），和大米（水稻L.），在15年期间（1999至2013年）通过的预测分析软件（PASW）版本21.多元回归模型，由于使用的事实，帮助保持所有其他影响因素不变，它已被广泛用于分析的影响/粮食作物生产气候变率/变化的影响[7,32]。确保鲁棒性和有效性的多元回归模型的估计正态分布的基础假设,方差齐性,和连续不相关的错误进行了测试使用Jacque-Bera Breusch-Pagan-Godfrey测试和Breusch-Godfrey序列相关性LM测试(在巴兰Antonakis和deiz 2011引用)(33]。研究的显著性水平设定为0.05。所采用的线性回归模型与Onoja和Ajie [34分析尼日利亚粮食作物对气候变化和微观经济政策改革的反应。模型表示为 在哪里Y为因变量;X是自变量而µ是随机误差项,然后呢βo是模型的截距。采用变量的自然对数来强化指数增长模式，减少误差项方差的潜在异质性;也就是说，为了稳定方差[35]。 在哪里RA = annual rainfall in millimeters in the Bawku Municipality; TE = mean annual temperature in °C in the Bawku Municipality; SPH = soil pH; ORG = organic matter;μ = stochastic error term; andβo = intercept of the model.

从焦点小组讨论和结构化访谈中记录的定性数据根据不同的回答进行了主题分析，并作为书面文本的重要元素，以更好地了解农民如何感知气候变化对粮食作物生产的影响。

3。结果与讨论

3.1。降水变化与走势。

降雨量和定时影响农作物的产量。低降雨量可能是有害的作物产量，特别是如果在作物发育的关键阶段发生干旱期[8]。图中显示了博库市的年总降雨量和15年期间的趋势2。1999-2013年的年平均总降雨量为901.9毫米。

同期的年总雨量由2008年的217.9毫米低至2007年的近1376毫米高不等。一般情况下，1999 - 2013年降水数据的Mann-Kendall趋势检验表明，在5%的显著性水平下，趋势不具有统计学意义。Sen的估计值(−26.567)显示出下降趋势(图2)2)。这是全等阿桑特和Amuakwa-门萨[的调查结果36他对加纳气候变化和变率的研究报告了加纳北部总降雨量的下降趋势。年与年之间降雨量的变化，特别是降雨量减少的趋势，是对该市农业社区的一个警告信号，因为这可能对他们的生计产生不利影响。

从图3.， 2005年、2008年、2010年和2011年出现了负偏差，表示气象干旱期(降水量低于平均水平的时期)，2008年出现了最严重的干旱。全球降雨记录显示，2005年和2010年的降雨量相当高，导致世界许多地区发生严重水灾[37]。根据Paeth等人的研究，1999年和2007年的正偏差[38]是由于造成在子以南非洲多降雨厄尔尼诺 - 南方涛动的影响。这意味着，严重的洪涝灾害可能会在1999年和2007年在本市Bawku发生。由每日写真报在线报道[39洪水发生在加纳的上西部、上东部和北部地区，证实了发生这种早期事件的可能性。这可能影响到市政当局的农业活动。年雨量的估计异常(图3.)显示全年总雨量每年均有显著变化。这证实了Amikuzuno和Donkoh的发现[23在非洲半干旱地区观察到的降雨模式的主要证据是高度可变的。

With regard to farmers’ observations, all the respondents claim to have observed rainfall variation in the 15 years spanning 1999 to 2013. Approximately, 37% of farmers were of the view that the amount of rainfall has reduced. Thirty-five of the respondents representing 16.4% reported that the length of the rainy season had reduced. Interestingly, 28.5% and 18.2% noticed an irregularity in the amount of rainfall and a reduction in how long the rainy season lasts respectively (Table2)。

同样，SARI，外交部和GMA关键知情人还注意到在降雨模式的一些显着的变化。按照关键线人，雨水要么提前或晚于预期。这是通过一个Gentiga男性农民谁在焦点小组讨论中指出支持(我)“W母鸡我们年轻的时候，我们的水井和河流充满梅雨季节，这使我们得到的水在干燥的季节，从水井取水并不困难，但现在我们的水井和河流有少量的水，即使在雨季...降雨不属于，因为他们习惯了。我最担心的是它的不可预测性”(脱硫,2014)

一般地，有人指出，受访者多由其中有时使得难以准确地预测何时开始种植本市降雨图案的异常干扰。提出秀农民观测结果与在15年间的历史降雨数据线。

3.2。最低和最高温度的变化与走势

3.2.1。平均年最低气温

数字4给出了北京市最低气温的年平均变化趋势。1999年至2013年的年平均最低气温在21.2°C至23.4°C之间波动，平均值为22.7°C。Sen对Mann-Kendall检验的估计(- 0.027)表明年平均最低气温有显著下降趋势(图2)4）在15年期间（1999至2013年）。然而，曼 - 肯德尔趋势统计，在5％的显着性水平年平均最低气温无统计学显著。

1999年的平均最低气温(22.7℃)与15年的平均值(22.7℃)相同，1999年没有变化。但是，2002年至2006年和2010年的最低温度显著升高，与基线平均温度的正偏差在0.2°C到0.9°C之间(图2)5)。其余年份为负偏差，2012年下降幅度最大，为1.53°C。最低温度的这种显著的年际变化可能影响了该市的作物生产。这是因为最低温度的降低会影响夜间植物呼吸速率，并可能降低作物产量。40];与此同时，当植物暴露在较高的最低温度下，就会降低它们的生长能力，也会降低作物产量[41]。

3.2.2。年平均最高气温

33.6℃，35.8℃之间的平均年最高温度改变为15年期间。从1999年至2013年的总平均最高温度为35.05℃。在5％的显着性水平曼 - 肯德尔检验年平均最高气温的变化趋势统计在统计上并不显著。然而，曼 - 肯德尔检验年平均最高气温超过15年的森的估计（-0.017）的观察到的趋势描绘了一个下降的趋势（图6)。

尽管有上述信息中，平均最高温度1999至2013年显示鲜明际变化（图6)。总体而言，2000年、2004年、2007年、2008年、2009年、2012年和2013年的最高气温均低于平均值，说明这些年份相对较冷。下降幅度最大的是2004年，比平均基线低1.6°C。这证实了Asante和Amuakwa-Mensah的报告[362004年经历了非常寒冷的风。另一方面，2005年被标记为最热的一年，正偏移0.8°C，大于全球记录的0.62°C。此外，年平均偏差(图7在这15年里，暖年比冷年多。这有可能引起本市农作物产量的波动。年平均气温的变异系数(0.0155)变化不大，但年际最低气温和最高气温存在显著差异。这证实了Amikuzuno和Donkoh的发现[23]认为加纳北部地区没有显著经历了显着的温度变化。

将年平均最高气温与年降雨量偏差叠加15年的结果表明，2005年、2010年和2011年粮食作物生产的有效降雨量非常低。这是因为这些年份的年总雨量低于基线平均雨量，而气温则较高。年降雨量少，气温高，一方面导致有机质含量低，使土壤适宜种植成为作物生产的主要问题之一[42]。这很可能已经对粮食作物生产造成负面影响。在另一方面，高降雨量在2007年和2012年加上低廉的最高温度表明，有效降雨，这几年是很高的。这可能得益于一些农作物。高温和高降雨量被记录在1999年和2003年根据沙古尔等。[43，高温和高降雨量对所有热带作物都是有利的，但如果这些气候变量在未来增加太多，将会产生负面影响。

从被调查者的观察结果来看，大部分农民(86.4%)在过去的15年里都观察到了气温的变化。大多数观察到温度变化的农民(76.1%)认为，过去15年温度一直在上升(图2)8)，而10.3%则观察到温度的不规则变化。

虽然大多数农民断言，温度已经升高了，对于市观测到的年平均气温呈下降趋势。因此农民观测在与观察到的趋势方差。也许，由农民所观察到的每日和每月温度是让他们注意到温度有所上升显著足够。这是从结果中，农民通过自己过去的经验，知道本市的温度变化的清晰。

3.3。作物产量变化(1999-2013)

数字9显示了从1999年到2013年三种主要粮食作物的产量数据的变化。与研究期间的第二个五年相比，研究期间的前五年主要粮食作物产量较高。尽管头五年产量很高，但粮食作物的产量有很大的差异。

2013年的低水平生产，据MoFA的市主任说，是由于从市开辟了一个新的地区(宾都里区)。他解释说，由于大多数种植粮食作物的农民现在都是Binduri地区的一部分，所以博卡市的分裂降低了粮食作物的生产水平。然而，2010年对玉米和水稻种植者来说是最糟糕的一年，产量水平大幅下降。这极有可能是由于2010年录得的最高气温及雨量偏低[8,44,45]。尽管如此，小米的产量在2010年增加了由于小米耐旱，生长的作物的饥荒[8,45在2010年降雨量预计将低于平均水平的时候，大多数农民可能已经转而种植小米。这反映了SARI的一名主要线人的断言，即由于观察到的短而不稳定的降雨模式，该市的小米生产几乎取代了玉米。这可能是2010年小米产量增加的原因之一。15年间玉米(CV = 0.4598)、小米(CV = 0.5653)和水稻(CV = 0.3860)的变异可能会对粮食安全和农民的生计产生影响。

3.4。气候变化对粮食作物生产的影响

我们评估和利用多元回归模型定量粮食作物生产的气候变化的影响。假设的残余诊断测试的多元回归结果呈现在表3.。

水稻、玉米、谷子异方差检验的残差诊断在5%显著性水平下不存在异方差;因此，误差项的方差是常数。

序列相关确定自相关的结果表明，回归模型中残差之间不存在相关关系(玉米L.），粟（狼尾草glaucumL.），和大米（水稻L.）。使用哈尔克 - 贝拉统计常态测试还表明，残差呈正态分布。对于水稻，玉米，小米和生产诊断测试的结果，因此，满足了多重回归模型的假设。这意味着，不存在任何问题，将显著影响回归结果为水稻，玉米，小米生产。

3.4.1。气候变异对水稻的影响（水稻l .)生产

用于估计气候(年平均温度和年降雨量)和非气候(土壤pH)变量对水稻产量影响的对数-线性回归模型的结果如表所示4。

决定系数（R²= 0.5838)的结果表明，水稻对数中约58.4%的变化是由平均温度、年降雨量和土壤肥力的对数解释的。其余百分比(41.6%)可归因于其他因素，如种子品种、栽培方法等。气温和降雨量的不显著水平可以归因于平均气温的低变化(表2)5）在研究期间（2099至13年），并使用灌溉水稻生产苏丹大草原区[24,46]。然而，结果表明，土壤pH值是在5％的统计上显著（ )并对水稻生产产生积极影响。这可能是由于博卡市水稻生产所需的土壤pH值(5.5到6.5)。因此，这一结果表明，在其他变量不变的情况下，土壤pH值每增加1%，水稻产量就可能增加6.6%。因此，这一估计表明，该市15年期间的水稻产量在很大程度上依赖于土壤ph值。这一结果与Azman等人的研究结果类似。[47世界卫生组织在他们的研究中观察到，水稻的相对产量受到土壤pH值的影响。这表明，在土壤pH值低的地区种植水稻可能会对水稻产量产生不利影响。回归结果表明，1999 - 2013年，影响水稻产量变化的因素是土壤pH值，而不是降雨量和温度。

3.4.2。气候变化对玉米的影响(玉米l .)生产

表6呈现用于估计对玉米产量年降雨量，平均温度，和土壤有机质的影响多重回归的结果。从结果来看，F统计是在5％的水平上是统计显著（ )。这意味着在玉米生产模型中指定的解释变量是共同显著的。

结果显示，约60.9% (R²= 0.6091)解释了玉米对数变化的原因是平均温度、年降雨量和有机质的对数。其余百分比(39.1%)可能与种子品种、栽培方法等因素有关。全年雨量( )及有机物( )在5％的显着性水平是统计显著并积极促进玉米生产。结果，因此，意味着增加1％在土壤有机质导致增加了1.9％玉米产量保持其他变量恒定的。在本市，这意味着玉米产量将非气候变量部分影响。结果还显示，在降雨每增加1％可能导致玉米产量在其它变量保持不变增加了0.7％。这也意味着，随着降雨量的增加，玉米产量也随之增加。这些验证研究的基础上对粮食作物的生产观测气候趋势的影响的目标。然而，平均温度不是5％的显着性水平统计学显著。因此，估计显示，玉米产量在本市主要取决于降雨和有机物质。

3.4.3。气候变化对小米的影响(狼尾草glaucuml .)生产

表7展示了对数线性回归模型的结果，用于估计气候(温度和降雨量)和非气候(有机物)对小米生产的影响。

f -统计在5%显著性水平下具有统计学意义( )。这意味着，在小米生产模式指定的解释变量，即，年降雨量，平均气温和有机物是共同显著。从表7，约50.6% (R²= 0.5060)谷子对数的变化可以用平均温度、年降雨量和有机质的对数来解释。其余的百分比(49.4%)可归因于其他因素，如种子品种、栽培方法等。结果进一步揭示了a对有机质的统计意义 -值0.0128(表2)7)。其含义是，保持其他变量恒定时，在有机物可能导致在小米产量增加2.6％增加1％。结果证实Tunde等人的研究结果。[45]以及Amikuzuno和Donkoh [23]谁注意到在夸拉州尼日利亚北部和加纳北部小米生产似乎是不敏感的降雨量少，分别。因此，降雨水平低并不一定会减少生产的小米。估计，因此，表明，在本市，小米生产是高度依赖于其中被认为是在在15年期间说明小米输出的变化统计显着有机物而不是降雨和温度。

3.5。在粮食作物产量气候变化的感知效果

3.5.1。感知由农民对粮食作物的生产降雨量变化的影响。

三角测量与主数据，也获得农民经验次要数据结果（图10)。结果表明，所有的农民认为降雨量的变化产生不利影响生产的主要粮食作物。一名57岁的男性受访者解释说，(我)”当我开始种地，雨水通常排在年度（4月/日）这是整地（耕）时的第四和第五个月，有时种植。这通常支持几种作物的种植。但这些天，雨来来去去在任何时候。有时下雨不来，直到今年的第八或第九个月使其难以厂小米，高粱，玉米，水稻等农作物。事实上，这是不容易预测的时候雨水会和停止。我特别担心会发生什么我的养殖企业在未来，因为这是我依赖”(脱硫,2014)。

据统计，所有受访者（100％），表明降雨量变化的表现在过去15年里，影响生长季节。此外，几乎所有的受访者（93％）是认为降雨在本市可变性质减少了生长期的长度，而其余的响应（7％）在生长期的持续时间观察到的不规则性。谁在生长季节的长度观察到不规则的所有受访者（7％）报告说，作物产量也适度降低。超过76％，那些谁报告在生长季节的长度减少了16％还报告说，作物产量已经严重和中度减少，分别。该反应的研究社区之间的差异。例如，在Gozesi和Gentiga所有的受访者指出，在生长季节的长度缩短，严重降低农作物产量，而受访者在Mognori（10.7％），Zabugu（1.9％），和库卡（3.7％）称作物收益率适度降低（图10)。

尽管大多数受访者归因于作物产量的生长期较短的降低，从所选择的社区重点人群的讨论者承认因素如病虫害，错误使用化肥的，过时的耕作方法，资金不足，部族间的冲突，一些影响作物产量的主要因素。加上较低的降雨量和旱灾频繁上述非气候因素的倾向最为脆弱的家庭中越来越重的粮食不安全本市[8,45]。从结果来看，受访者对粮食作物的生产降雨量变化的影响观测与回归结果为玉米生产，但不符合大米和小米生产线。由农民所概述的不一致可能是由于对粮食作物生产非气候因素的影响。吸取了回归分析的结果，受访者的意见，可以说，对于15年降雨量的变化对粮食作物生产的本市变化的显著影响。

3.5.2。对粮食作物的生产耐温变性的感知影响

此外，我们评估了农民认为对粮食作物的生产温度变化的影响。结果表明，大部分受访者（86.4％）则认为温度变化不利地影响农作物生产尤其玉米。在对86.4％的受访者谁声称，温度变化已经严重影响作物产量，23.4％，22.9％，15.9％，11.7％和12.6％，从Mognori，Zabugu，Gozesi，顾家，和Gentiga分别为（图11)。这些农民坚持认为，在玉米产量的减少。一些研究表明类似的结果。先前的研究已观察到的C-34℃30°之间，用于玉米产量的要求上述温度增加会降低显著玉米产量[48- - - - - -51]。

为了支持上述发现，对MoFA和SARI官员的采访显示，在主要种植季节和旱季的高温园艺会导致玉米、高粱、洋葱、花生和其他蔬菜的生长迟缓和低产量。SARI的官员解释说，生长季节的高温会对植物的呼吸和蒸腾产生负面影响，进而影响植物的生长和产量。这一论断也得到了McCarl [52]和Fosu-Mensah [8他的研究结果表明，高温会影响植物的呼吸需求，并增加植物生长对水的需求。因此，这些因素会影响作物的生长，降低作物产量[53]。

进一步的探测，以确定负责低产或歉收其他可能的因素，从选定的社区重点人群的参与讨论概述贫困农民的做法，可怜的种子和化肥作为可能影响作物产量的关键因素的误用。尽管在粮食作物生产的调查显示温度变化的不利影响，在Zabugu焦点小组讨论者的解释，小米蓬勃发展以及在高温下与水少量。其结果是，在最近的时间被产生更多的小米。这一发现支持了有关如何小米等耐旱作物很好地适应高温[以往的研究8,46,54]。

同样，在Gentiga和Gozesi一些讨论者还认为，在收获时间的增加温度有助于减少采后损失的谷物，特别是玉米和水稻。通过对粮食作物的生产温度变化的影响，受访者所揭示的结果支持了气候变量可能有消极和粮食作物的生产积极的影响。

在一般情况下，在本市的受访者似乎已经注意到了，耐温变性玉米生产造成负面影响。然而，回归结果另有说明。农民的意见和回归结果之间的差异可能是由于使用的是大多隐藏日常极端的年平均温度的。此外，还差距可能是由于所概述的农民对粮食作物生产非气候因素的影响。

结论和政策建议

本文分析（使用土壤pH值和有机质土壤肥力）影响生产农业钉的气候（降雨和温度）和非气候变量玉米的作物如何（玉米L.），粟（狼尾草glaucumL.），和大米（水稻L.）在加纳北部的Bawku市农村弱势群体。该研究显示，在降雨模式显著变化呈下降趋势，而平均气温呈边际递减趋势，在15年间变化较小。多元回归模型显示降雨和有机物对玉米产量显著积极的影响。因此，玉米产量在本市主要依赖于降雨和有机物质。此前的报道，平均气温，雨量类似对小米和水稻生产在本市无显著影响。尽管如此，有机质和土壤pH值对小米和水稻生产显著积极的影响，分别。从回归结果普遍证据表明，15年之内的温度变化有本市粮食作物产量没有显著的影响。

结果指向需要有效的方式来适应本市一个更加不确定的降雨模式。研究结果提供了一个机会，以确保通过市议会，民间团体，非政府组织和农民之间的协同努力，谈判并达成务实，有效的适应措施的协议本市可持续作物生产。这不仅会选择寻求农民的关注，这也将建立农民的适应能力在本市。农业基础设施建设，如在Bawku市灌溉设施以及现有的完善的规定可以走很长的路来解决这一关键挑战。这漫长旱季鼓励更多的农民到农场。天气预报对农民提供的核心是农民适应，因为天气信息具有影响农民的倾向在他们的农场经营决策。最后，还需要政策的链接通过政府推动本土知识和科学知识，技术的融合，使农民适应并在加纳的快速气候变化发展农业的恢复能力。

数据可用性

用于气候数据可以从区域气象局，Bawku访问。作物生产数据可以从粮食和农业，Bawku部的市首长访问。

利益冲突

有没有对本文利益冲突。

参考

1. 政府间气候变化专门委员会，“气候变化2007”，在自然科学基础。工作组对气候变化问题政府间委员会第四次评估报告， S. Solomon, D. Qin, M. Manning等编,pp. 83–996, Cambridge University Press, Cambridge, UK, 2007.查看在：谷歌学术搜索
2. S. T. Kandji，L. Verchot，和J.马肯森，气候变化和变萨赫勒地区：影响和适应战略在农业部门，世界农林复合中心(ICRAF)，肯尼亚内罗毕，2006年。
3. l·斯科特,气候变异和气候变化：对长期贫困，海外发展研究所，英国伦敦，2008年。
4. 政府间气候变化专门委员会，“决策者摘要”，在评估影响、适应和脆弱性。第二工作组对政府间气候变化专门委员会第五次评估报告的贡献， C. B. Field, V. R. Barros, D. J. Dokken等编,pp. 1–32, Cambridge University Press, Cambridge, UK, 2014.查看在：谷歌学术搜索
5. 粮食及农业组织(粮农组织)气候变化和粮食安全：框架文件，粮食和农业组织（FAO），意大利罗马，2008年。
6. K. Owusu和P. Waylen，“加纳年降雨量的时空变化趋势(1951-2000)”，天气卷。64，没有。5，第115-120，2009。查看在：出版商的网站|谷歌学术搜索
7. P. Rowhani, D. B. Lobell, M. Linderman和N. Ramankutty，“坦桑尼亚的气候变化和作物生产，”农业和林业气象卷。151，没有。4，第449-460，2011。查看在：出版商的网站|谷歌学术搜索
8. B. Y.佛塑 - 门萨，“模拟玉米（玉米l)气候变化对加纳半湿润地区产量和养分利用的影响。”生态和发展系列，第87卷，ZEF，纽约，纽约，美国，2012年。查看在：谷歌学术搜索
9. “过去50年全球作物产量变化趋势中气候信号的证据，”环境研究快报卷。8，没有。2，第1-9，2013。查看在：出版商的网站|谷歌学术搜索
10. A. M. Mohammed, T. Tena, P. Singh和A. Molla，“模拟气候变化对埃塞俄比亚东北部半干旱地区鹰嘴豆生产和适应性选择的影响，”国际发展农业与环境杂志，第110卷，no。2、第377-395页，2016。查看在：谷歌学术搜索
11. A.阿卜杜拉，“农民在撒哈拉以南非洲面临的挑战和适应气候变化，”南部非洲农业经济研究、政策和实践，第57卷，no。2、2018年第28-39页。查看在：出版商的网站|谷歌学术搜索
12. K. R.库马尔，R. G. Ashrit，N. R.德什潘德，和J. W.汉森，“对印度农业气候的影响，”国际气候学杂志卷。24，没有。11，页。1375年至1393年，2004年。查看在：谷歌学术搜索
13. Sivakumar, H. P. Das和O. Brunini，“当前和未来气候变化和变化对干旱和半干旱热带地区农业和林业的影响，”气候变化，第70卷，no。1-2页，31-72页，2005年。查看在：出版商的网站|谷歌学术搜索
14. P. Jones和P.桑顿，“玉米产量2055气候变化的潜在影响在非洲和拉丁美洲，”全球环境变化卷。13，没有。1，第51-59，2003。查看在：出版商的网站|谷歌学术搜索
15. G. Yohe, R. S. J. Tol和D. Murphy，《在尘埃开始落定时制定短期气候政策》，能源与环境卷。18，没有。5，第621-633，2007。查看在：出版商的网站|谷歌学术搜索
16. 世界气象组织,天气、气候和粮食安全-综合干旱管理，世界气象组织，日内瓦，瑞士，2001年。
17. E. L. Molua，“气候变化、脆弱性和农场层面的适应选择的有效性:喀麦隆西南部粮食安全的挑战和影响，”环境与发展经济学，第7卷第1期3、529-545页，2002。查看在：出版商的网站|谷歌学术搜索
18. O. Bazrafshan, H. Zamani, H. Ramezani Etedali，和S. Dehghanpir，“柑橘水足迹成分的评估以及气候和非气候因素对其的影响，”中国科学园艺卷。250，第344-351，2019。查看在：出版商的网站|谷歌学术搜索
19. E. H. Bjergmark, S. G. Olesen, M. Mikkelsen，和K. A. Nielsen, inDyrkning AF Grovfoder，P. R.科赫版，第77-97，Landbrugsforlaget公司，丹麦奥尔胡斯，第四版，2005年。
20. M. V. Odgaard，P. K.Bøcher，T.达尔加德和J. C. Svenning，“‘气候与时空玉米面积动力学的非气候驱动横跨北限玉米生产一个来自丹麦案例研究’，”农业，生态系统和环境，第142卷，不。3-4页，291-302页，2011。查看在：出版商的网站|谷歌学术搜索
21. P. Antwi-Agyei, C. H. Quinn, S. G. K. Adiku等人，“加纳大草原地区气候脆弱性的感知压力因素:一种参与性方法，”区域环境变化卷。17，没有。1，第213-227，2017。查看在：出版商的网站|谷歌学术搜索
22. 纽梅尔和普卢珀，“自然灾害的性别性质:灾难性事件对预期寿命性别差距的影响，1981-2002，”美国地理学家协会年刊卷。97，没有。3，第551-566，2007。查看在：出版商的网站|谷歌学术搜索
23. J. Amikuzuno和S. A. Donkoh，“气候变化和加纳北部主要的主食农作物的产量，”非洲作物科学杂志，第20卷，no。2012年第349-360页。查看在：谷歌学术搜索
24. D. H. Acquah，“农民的感知和适应气候变化：支付意愿分析，”非洲可持续发展杂志卷。13，没有。5，第150-161，2011。查看在：谷歌学术搜索
25. T.迪茨，D.米勒，S. Dittoh，F OBENG和E.奥弗里-Sarpong，“气候变化与东北加纳，民生变化”，在气候变化对干旱地区的影响，主要集中在西非， A. J. Dietz, R. Ruben和A. Verhagen合编。,pp. 149–172, Kluwer Academic Publishers, Dordrecht, Netherland, 2004.查看在：谷歌学术搜索
26. A. Oppong-Ansah，在加纳抗击洪水2011年，加纳阿克拉，加纳通讯社。
27. A. J. Stanturf, M. L. J. Warren, S. Charnley et al.，加纳气候变化脆弱性与适应性评估，美国林务局，华盛顿，美国，2011年。
28. H. Nyantakyi-Frimpong，“加纳北部的土著知识和气候适应政策，”非洲倡议的一个项目背景，美国国际开发署，华盛顿特区，美国，2013年。查看在：谷歌学术搜索
29. 加纳统计服务,人口和住房普查：最终结果的总结报告，加纳统计服务，阿克拉，加纳，2014年。
30. Z.赫斯曼，D. Gobbett，D. Holzworth等人，“量化产量差距的重印在旱地作物系统：在澳大利亚小麦为例，”大田作物研究卷。143，第65-75，2013。查看在：出版商的网站|谷歌学术搜索
31. 五Kasiulevičius，五Šapoka和R.Filipavičiūtė，“样本量计算的流行病学研究”Gerontologija，第7卷第1期4，第225-231，2006年。查看在：谷歌学术搜索
32. 《男性和女性农民对气候变化对农业和粮食安全的看法》，埃塞俄比亚环境研究和管理杂志，第4卷第1期2，页19-32,2011。查看在：出版商的网站|谷歌学术搜索
33. D.平衡，假设在多元回归：一个教程，卡尔加里大学，卡尔加里，加拿大，2011年。
34. A. Onoja和E. N.阿洁，“在尼日利亚（1978- 2009年）”为应对气候变化和宏观经济政策改革‘粮食作物的计量分析’，”亚洲杂志农业和农村发展，第2卷第2期3，第487-497页，2012。查看在：谷歌学术搜索
35. 尼日利亚Akwa Ibom州家禽养殖户信贷获取和需求的决定因素，" S. Akpan, V. P. I. nimfon, J. U. Samuel, A. O. Edem, and E. O. Uwemedimo， "美国中华实验农业卷。3，没有。2，第293-307，2013。查看在：出版商的网站|谷歌学术搜索
36. F. A.阿散蒂和F Amuakwa - 门萨，“气候变化和变异加纳：盘点”气候卷。3，没有。1，第78-99，2015年。查看在：谷歌学术搜索
37. 美国国家航空航天局气候变化:地球的重要迹象，美国国家航空航天局(NASA)，华盛顿特区，2011年。
38. “2007年撒哈拉以南非洲洪水的气象特征和潜在原因”，H. Paeth, A. H. Fink, S. Pohle, F. Keis, H. Machel和C. Samimi，国际气候学杂志卷。31，没有。13，第1908年至1926年，2011。查看在：出版商的网站|谷歌学术搜索
39. 每日在线图形,1968年以来加纳洪水灾害概况，每日写真报在线，阿克拉，加纳，2015年。
40. 《气候对农业的影响:对作物生产的影响》，J. L. Hatfield, K. J. Boote, B. A. Kimball et al.，农学杂志卷。103，没有。2，第351-370，2011。查看在：出版商的网站|谷歌学术搜索
41. J. R. Welch, J. R. Vincent, M. Auffhammer, P. F. Moya, A. Dobermann和D. Dawe，“亚洲热带/亚热带水稻产量对最低和最高温度表现出较大但相反的敏感性，”美国国家科学院院刊卷。107，没有。33，第14562-14567，2010。查看在：出版商的网站|谷歌学术搜索
42. A. R.尼科伊，人文地理为高中，阿基奥拉出版社，阿克拉，加纳，2010年。
43. U.沙古尔，A Saboor，一贝格，A阿夫扎尔和A.拉赫曼，“在巴基斯坦的水稻作物生产气候变异的影响，”巴基斯坦农业研究杂志，第28卷，编号1、2015年第19-27页。查看在：谷歌学术搜索
44. 《作物生理学:重大发现与研究视角的转变》，作物科学卷。46，没有。5，第2270至2277年，2006年。查看在：出版商的网站|谷歌学术搜索
45. A. M. Tunde，B. A.乌斯曼，和五O. Olawepo，“对作物产量气候变量的影响，”地理和区域规划杂志，第4卷第1期2011年第708-714页。查看在：谷歌学术搜索
46. 环保局，加纳环境状况报告2008美国环境保护署(EPA)，加纳阿克拉。,2008年。
47. 阿兹曼，S. Jusop, C. F. Ishak和R. Ismail，“在马来西亚Merbok的酸性硫酸盐土壤上使用不同的石灰源增加水稻产量，”Pertanika热带农业科学，第37卷，no。2、2014年第223-247页。查看在：谷歌学术搜索
48. M.拉姆多斯，C.J。桦木，P.S。卡伯里和M.罗伯逊，在“水和高温胁迫对玉米的生产的影响，”第四届国际作物科学大会论文集2004年9月，澳大利亚布里斯班，http://www.cropscience.org.au。查看在：谷歌学术搜索
49. P. J. M.库珀，K. P. C.饶，P. Singh等人，“‘农业与当前和未来气候风险：推进‘希望假说’在半干旱热带雨水的农业’，”半干旱热带农业研究杂志卷。7，第1-9，2009年。查看在：谷歌学术搜索
50. J. Gornall，R.贝茨E. Burke等，“气候变化在早期的二十一世纪农业生产力的影响”英国皇家学会哲学学报B卷。365，没有。1554，第2972至2989年，2010。查看在：出版商的网站|谷歌学术搜索
51. D. B.罗贝尔，W. Schlenker和J.科斯塔 - 罗伯茨，“气候变化趋势与全球农作物产量自1980年以来，”科学卷。333，没有。6042，第616-620，2011。查看在：出版商的网站|谷歌学术搜索
52. b.a.麦克卡尔，《美国农业在气候变化序列中的作用》，http://www.texasclimate.org/Portals/6/Books/ImpactTX/Ch6_McCarl.pdf，2006年。查看在：谷歌学术搜索
53. a . J. Challinor, T. R. Wheeler, P. Q. Craufurd, J. M. Slingo，和D. I. F. Grimes，“基于大区域过程的一年生作物模型的设计和优化”，农业和林业气象，第124卷，no. 1。1-2，页99-120,2004。查看在：出版商的网站|谷歌学术搜索
54. S.库马尔，A. K.舒克拉和H. V.辛格，“珍珠粟和豇豆作为雨养饲料作物的间作，”国际跨学科研究杂志，第4卷第1期3，第122-129，2013。查看在：谷歌学术搜索

版权

版权所有©2020 Rashida Ayumah等。这是下发布的开放式访问文章创作共用署名许可，其允许在任何介质无限制地使用，分发和再现时，所提供的原始工作正确的引用。