Ответственное масштабирование экологически чистой кулинарии: борьба с загрязнением воздуха с помощью модели, ориентированной на женщин, в Абудже, Нигерия.
В Нигерии от 50% до 80% домохозяйств используют для приготовления пищи дрова, древесный уголь, уголь или керосин. По оценкам ВОЗ, более 218,000 XNUMX смертей ежегодно связаны с загрязнением воздуха внутри помещений. Загрязнение воздуха в жилых помещениях продолжает оставаться проблемой из-за вредных выбросов, которые влияют на здоровье человека и окружающую среду. Черный углерод является одним из таких недолговечных загрязнителей климата (SLCP) с потеплением на климат в 460-1500 раз сильнее, чем CO2 из-за того, как он поглощает свет и нагревает свое окружение. Чистые решения для приготовления пищи предлагают более здоровую альтернативу открытому огню, широко используемому в Нигерии, предоставляя большую возможность оценить и масштабировать жизнеспособные варианты для сельских общин Нигерии.
В рамках этой совместной инициативы Nexleaf Analytics и Rural Women Energy Security (RUWES) при поддержке CCAC, решили переосмыслить то, как мы боремся с загрязнением воздуха в домах. Вместо того, чтобы сосредоточиться на изменении глубоко укоренившегося и обусловленного культурой поведения местных сообществ, мы использовали данные, чтобы понять модели поведения домохозяйств (принятие), чтобы направить пилотный проект и, в конечном итоге, узнать, какие решения для приготовления пищи стоит расширить.
Этот пилотный проект был разработан для оценки того, как данные могут определять пригодность различных решений для экологически чистого приготовления пищи в Нигерии, а также для информирования финансовых моделей, которые могут помочь сделать экологически чистое приготовление пищи устойчивым для сельской бедноты. Данные, обсуждаемые в этом отчете, относятся к первому этапу этой программы, которая проходила с апреля по октябрь 2019 года и включала сенсорный мониторинг поведения 50 домохозяйств при приготовлении пищи как на чистых решениях для приготовления пищи, так и на традиционных кухонных плитах. Данные датчиков были объединены с данными опроса, чтобы дать более полную картину сложности приготовления пищи и проложить путь к адаптируемым подходам к, казалось бы, неразрешимой проблеме.
