MétaCan
Menu
Retour à la cohorte
Enregistrement W1954526008 · doi:10.4000/vertigo.16142

Impact de l’évolution des conditions agroclimatologiques sur les systèmes de culture à base de banane plantain : le cas de l’Est ivoirien

2015· article· fr· W1954526008 sur OpenAlexvenueno aff
Dabissi Noufé, Bruno Lidon, Gil Mahé, Éric Servat, Jean-Louis Chaléard

Notice bibliographique

RevueVertigO · 2015
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueBanana Cultivation and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForestryGeography

Résumé

récupéré en direct d'OpenAlex

Cette étude propose d’analyser à l’échelle de l’Est ivoirien, une zone d’agriculture pluviale conventionnelle, les effets des modifications des conditions agroclimatologiques sur les systèmes de culture à base de banane plantain. L’impact de la variabilité climatique sur les activités agricoles est ainsi évalué à partir d’une analyse fréquentielle des saisons culturales (SC) ou saisons de pluies potentiellement utiles, et d’un indice de déficit hydrique (IDH) annuel cumulé, déterminés par simulation du bilan hydrique journalier. L’analyse de ces indicateurs agroclimatiques montre une évolution spatio-temporelle contrastée des conditions hydriques de production agricole. En effet, au nord d’une bande centrale peu affectée, on note un accroissement de l’IDH annuel cumulé, alors qu’au sud, l’augmentation de cet indicateur s’associe à une diminution marquée de la durée de la première saison des pluies sur le littoral. Les risques de sécheresse sont notables pour les cultures annuelles sans toutefois constituer un facteur limitant de premier plan. Mais il n’en est pas de même pour les cultures pérennes et/ou pluriannuelles telles que la banane plantain dont le cycle cultural s’étale sur les deux saisons de pluies de l’année, dans les régions les plus affectées telles que celles du littoral et son arrière-pays.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,307
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetBanana Cultivation and ResearchTravaux en français237 207