Régénération naturelle à faible coût dans le cadre de l’aménagement forestier en zones tropicales sèches en Afrique
Notice bibliographique
Résumé
La démarche d’aménagement dans certains pays africains des zones sèches coûte cher, même lorsqu’elle est simplifiée. La connaissance de la ressource exploitable passe par des inventaires d’aménagement, prenant en compte la régénération naturelle (semis) et le recru par voie végétative. En fait, seuls les rejets de souche et les « semis » sont comptabilisés. Le rajeunissement par marcottage terrestre et par drageonnage pour de nombreuses espèces n’est pas suffisamment pris en compte par les aménagistes et/ ou les communautés rurales en charge de l’aménagement. Dans les pays à faible couvert ligneux, il est conseillé d’aménager les forêts claires et également les arbres hors forêt, utilisés à des fins multiples par les agriculteurs et les éleveurs des zones tropicales semi-arides et arides. Ce couvert ligneux montre dans certains cas une aptitude très importante au drageonnage ou au marcottage terrestre. Ces phénomènes naturels permettent à certaines espèces (plus de 360) de se maintenir dans un environnement menacé, voire de coloniser le milieu en saison des pluies, par la formation de tiges adventives à partir du système racinaire pour le drageon et du système aérien (branche, tige) pour la marcotte. Dans certains cas, ce sont sur des tiges abattues par le vent que se forment des réitérats qui s’enracinent. La capacité à produire des rejets à partir de la base de la tige (rejet basal, rejet de souche), de branches (marcotte, stolon, rhizome) ou de racines (drageon) dépend de plusieurs facteurs. Dans la plupart des cas, un stress (labour, feu, maladie, cyclone, épisode très sec, froid, etc.) est nécessaire. Pour les arbres poussant près de leurs limites naturelles latitudinales ou altitudinales, où la survie des semis est problématique, certains types de rejets (de souche, du collet, de racine) et les marcottes peuvent devenir significativement importants. Il faudrait en tirer profit dans les pays en développement notamment les plus pauvres pour la régénération d’arbres hors forêt dans ou autour des champs ainsi que pour l’enrichissement et pour l’aménagement des forêts.
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 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 | 0,001 | 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) | 0,001 | 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 tête enseignante, 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 ».