Analysis of Spatio-Temporal Dynamics of Land Use in the Bouba Ndjidda National Park and Its Adjacent Zone (North Cameroun)
Notice bibliographique
Résumé
We evaluated the dynamics of land use in the Bouba Ndjidda National Park (BNNP) and adjacent areas, in northern Cameroon. Using a maximum likelihood supervised classification of satellite images from 1990 to 2016, coupled with field and a socio-economic survey, we performed a robust land-use classification. Between 1990 and 2016, the area included eight classes of land use, with the largest in 1990 being the woody savannah (42.9%) followed by the gallery forest (20.2%) and the clear forest (16.3%). Between 1990 and 1999, the gallery forest lost 64.8% of its area mostly to the benefit of woody savannahs. Between 1999 and 2016, the largest loss of area was that of the clear forest, which decreased generally by 43.2% in favor of woody savannah. Rates of increase of crop field areas were 59.6% and 78.8% respectively for the periods of 1990 to 1999 and 1999 to 2016 to the detriment of woody savannahs. We attribute the changes in land use observed mainly to the increasing human population and associated agriculture, overgrazing, fuelwood harvesting and bush fires. The exploitation of non-timber forest products and climatic factors may also have changed the vegetation cover. We recommend the implementation of farming techniques with low impact on the environment such as agroforestry.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».