Diversity of NTFPs and Their Utilization in Adilabad District of Andhra Pradesh, India
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle