Le brevi piogge mancanti alla fine di ottobre e all'inizio di dicembre hanno colpito diverse aree dell'ovest del Kenya. A Kimilili, nella contea di Bungoma, mais, fagioli e manioca si sono bloccati allo stadio della fioritura; campi che sarebbero dovuti essere verdi sono diventati marroni e gli agricoltori prevedono un raccolto ridotto. Le donne contadine, che spesso non hanno pieno accesso a terra, credito, tecnologia e consulenza, subiscono effetti particolarmente gravi sulle condizioni di vita familiari.
I ricercatori stimano che parassiti e malattie causino perdite pre-raccolto significativamente maggiori rispetto ai soli fattori climatici. Le disuguaglianze di genere amplificano questi effetti: senza pari accesso alle risorse produttive le rese rimangono più basse. Ostacoli matrimoniali e legali peggiorano il problema; in alcuni casi le donne non possono usare la terra di famiglia come garanzia per un prestito o vendere i prodotti senza il consenso del marito.
Per mitigare le perdite si usano redditi informali come lavoro occasionale, piccoli negozi e vendita di latte, uova e verdure. Il progetto Global Burden of Crop Loss (GBCL), guidato da CABI e finanziato da UK International Development e dalla Gates Foundation, cerca di misurare le perdite usando prove di campo, letteratura, text mining, osservazione della Terra e apprendimento automatico. Migliorare i dati e sviluppare programmi sensibili al genere sono considerati passi fondamentali per ridurre le perdite colturali e le loro conseguenze disparate.
- Policy mirate includono sussidi e programmi di supporto per donne in altre regioni.
Parole difficili
- fioritura — fase di crescita in cui le piante producono fiori
- pre-raccolto — periodo prima della raccolta dei prodotti agricoli
- disuguaglianza — condizione di trattamento o accesso non ugualedisuguaglianze
- risorsa produttiva — beni o strumenti usati per produrrerisorse produttive
- garanzia — impegno usato come sicurezza per un prestito
- reddito informale — entrate ottenute fuori dal settore formaleredditi informali
- apprendimento automatico — metodo che insegna a computer a riconoscere modelli
Suggerimento: passa il mouse o tocca le parole evidenziate nell’articolo per vedere definizioni rapide mentre leggi o ascolti.
Domande di discussione
- Quali interventi sensibili al genere potrebbero aiutare le donne contadine nella zona descritta? Descrivi due esempi concreti.
- Quali sono i limiti delle strategie di mitigazione basate su redditi informali come lavoro occasionale o vendita di prodotti domestici?
- Perché, secondo il testo, migliorare i dati è importante per ridurre le perdite colturali e le loro conseguenze?
Articoli correlati
Malattia falciforme: screening alla nascita e terapie costose
Molti neonati in Africa nascono con la malattia falciforme. L'Uganda ha introdotto lo screening alla nascita gratuito, mentre nuove terapie geniche approvate nei paesi ricchi restano troppo costose per la maggior parte delle persone in Africa.
L'intelligenza artificiale nella sanità dell'Africa subsahariana
Progetti con algoritmi e smartphone stanno cambiando l'assistenza primaria in alcune aree dell'Africa subsahariana. Studi e piloti mostrano diagnosi più rapide, meno prescrizioni inappropriate e riduzione di alcune complicanze.
