MétaCan
Menu
Retour à la cohorte
Enregistrement W2085175075 · doi:10.1080/00167223.2003.10649493

Fallow, labour and livelihood in shifting cultivation: implications for deforestation in northern Lao PDR

2003· article· en· W2085175075 sur OpenAlexfundno aff
Charlotte Seidenberg, Ole Mertz, Morten Bilde Kias

Notice bibliographique

RevueGeografisk Tidsskrift-Danish Journal of Geography · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesUdenrigsministerietUniversity of Saskatchewan
Mots-clésDeforestation (computer science)Shifting cultivationLivelihoodAgricultureGeographyAgroforestryPopulation pressureSlash-and-burnPopulationPopulation growthEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Abstract Shifting cultivation is often blamed for deforestation in tropical upland areas. Based on a case study of three villages in northern Lao PDR, this paper combines household surveys with a remote sensing based analysis of forest cover, covering the period 1989–1999, in order to analyse changes in shifting cultivation practices and livelihood strategies and the impact of these on deforestation. Due to population pressure and relocation of villages, easily accessed land is increasingly scarce and fallow periods have been shortened during the 1990s. A net annual deforestation of about 1% was found in the area during the study period. This deforestation rate reflects shorter fallow periods in secondary forests rather than encroachment on mature forests, which are not used for cultivation by the farmers in the three villages. Farmers rate scarce labour as a major constraint on shifting cultivation; nonetheless, a tendency towards lower labour input with shorter fallow periods is observed, contradicting conventional intensification theory. Livelihoods are diversifying through the establishment of plantations, cultivation of wet rice and adoption of animal husbandry, but given the socio-economic conditions in the area, shifting cultivation is likely to remain the most suitable farming system in the near future.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,653

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,211
Écart entre enseignants0,202 · 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 tête enseignante, 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

Citations37
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeografisk Tidsskrift-Danish Journal of GeographyMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207