Paysage agricole intensif au centre-ouest tunisien : Essai d'une gestion intégrée éco-pommoïcole à Foussana
Notice bibliographique
Résumé
In countries with arid and semi-arid climate such as Tunisia, the over-exploitation of ground water resources became intolerable, in particular that of the delegation of Foussana located in the mid-west of Tunisia, object of this study. This situation of overexploitation requires the characterization of the agricultural landscape and the characterization of water resources using a Geographical Information System SIG: ArcGis 9.3. The approach followed in this work is articulate on the installation of an agricultural and hydrological database; these plans of information were combined by methods of multicriterion analysis through the software ArcMap 9.3 to produce cards sets of themes which make it possible to describe the agricultural landscape in this area and to represent the hydrological potentialities of Foussana. Spatialization presents one of the best approaches to characterize the landscape of the area. Thus, this work enabled us to traverse the territories while revealing the wealth in water resources which present a factor supporting the differentiation of the agrarian landscapes in a typology of rainfed agriculture (83.4%) and of modernized agriculture (16.5%) requires large amounts of water. The irrigated area accounts 179.6 ha (between cultivations of cereals, arboriculture, truck farming and fodder) in 1980, to attain 4620 ha in 2010, for example the apple orchard landscape very demanding of water factor, which accounts for 50% of arboriculture sector in the study zone.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».