Diversity of NTFPs and Their Utilization in Adilabad District of Andhra Pradesh, India
Notice bibliographique
Résumé
Adilabad in Andhra Pradesh is a backward district, with 37.72% of geographic area under forest cover and inhabited by 17.08% ethnic people who use the local tropical dry deciduous forests to extract Non-Timber Forest Products (NTFPs) for self-consumption and economic subsistence. The analysis of NTFPs in six forest divisions of Adilabad district, viz. Adilabad, Bellampalli, Jannaram, Kagaznagar, Mancherial and Nirmal reveals the use of consumptive category of goods like wild food plants, honey, oils, fodder, etc. on one hand and the non-consumptive items like gums, resins, gum-resins, dyes, wax, lac, fibers, fuel wood, charcoal, fencing material, brooms, wildlife products, raw materials like bamboo and cane for handicrafts, etc. besides the medicinal plants. The NTFP diversity shows the cognitive ability of the people while the products extracted belong to 183 flowering plant species which represent 149 genera of 64 families (164 Magnoliopsida; 19 Liliopsida). The Legumes dominate the list with 31 taxa, followed by Rubiaceae (11) and Euphorbiaceae (7). Most of the NTFP species are phanerophytes (61% trees) and indigenous. The government of Andhra Pradesh has a procurement policy and price index for select NTFPs by which the stakeholders get reasonable seasonal income through the collection and sale of beedi leaf, gums (karaya, thiruman, konda gogu), stem bark (narra mamidi), fleshy corolla (ippa), fruits (karakkaya, kunkudu), seeds (chilla, mushti, morli), etc.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».