MétaCan
Menu
Retour à la cohorte
Enregistrement W3015530857 · doi:10.3390/su12072936

Living under a Fluctuating Climate and a Drying Congo Basin

2020· article· en· W3015530857 sur OpenAlexfundno aff
Dénis Sonwa, Mfochivé Oumarou Farikou, M. Gapia, Fiyo Losembe Félix

Notice bibliographique

RevueSustainability · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesDirektoratet for UtviklingssamarbeidConsortium of International Agricultural Research CentersDepartment for International DevelopmentInternational Development Research Centre
Mots-clésDeforestation (computer science)LivelihoodStructural basinClimate changeBiodiversityGeographyEnvironmental degradationWater cycleAgroforestryEnvironmental scienceEnvironmental protectionEcologyAgricultureGeologyBiology

Résumé

récupéré en direct d'OpenAlex

Humid conditions and equatorial forest in the Congo Basin have allowed for the maintenance of significant biodiversity and carbon stock. The ecological services and products of this forest are of high importance, particularly for smallholders living in forest landscapes and watersheds. Unfortunately, in addition to deforestation and forest degradation, climate change/variability are impacting this region, including both forests and populations. We developed three case studies based on field observations in Cameroon, the Central African Republic, and the Democratic Republic of Congo, as well as information from the literature. Our key findings are: (1) the forest-related water cycle of the Congo Basin is not stable, and is gradually changing; (2) climate change is impacting the water cycle of the basin; and, (3) the slow modification of the water cycle is affecting livelihoods in the Congo Basin. Developmental and environmental actions in the Congo Basin need to properly consider the slight modification of this water cycle in watersheds that affect products and services from the forest.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,064
Score d'incertitude au seuil0,128

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,233
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), 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

Citations27
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetHydrology and Watershed Management StudiesTravaux en français237 207