MétaCan
Menu
Retour à la cohorte
Enregistrement W3186300307

Guide pratique des plantations d'arbres des forêts denses humides d'Afrique

2021· book· fr· W3186300307 sur OpenAlexaff
Kasso Daïnou, Félicien Tosso, Charles Bracke, Nils Bourland, Éric Forni, Didier Hubert, Amand Mbuya Kankolongo, Jean Joël Loumeto, Dominique Louppe, Alfred Ngomanda, Anicet Ngomin, Valerie Tchuanté Tite, Jean‐Louis Doucet

Notice bibliographique

RevueAgritrop (Cirad) · 2021
Typebook
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensMinistère des Ressources naturelles et des Forêts
Organismes subventionnairesnon disponible
Mots-clésForestryGeographyPolitical scienceHumanitiesArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

En Afrique, les plantations d'arbres sont amenées à se développer pour plusieurs raisons : restauration des capacités de production et des services rendus par les forêts naturelles, valorisation des terres agroforestières, récolte plus aisée du bois et des produits forestiers non ligneux, etc. Les espèces exotiques n'offrant que des services spécifiques, il importe de redynamiser la plantation d'espèces locales. C'est l'objet de ce guide, qui s'est focalisé sur les essences des forêts denses humides, en capitalisant des résultats d'essais passés ou récents de six pays africains, et en mobilisant des compétences et connaissances individuelles. L'ouvrage aborde de façon pratique les différentes étapes d'un programme sylvicole : récolte et gestion des semences, construction et gestion des pépinières, modalités d'installation et de conduite des plantations. Une estimation des coûts et de la rentabilité de telles plantations est également fournie. Enfin, le livre décrit en détail l'itinéraire sylvicole de 50 espèces d'arbres des forêts denses humides africaines. Ce guide est destiné à un large public : gestionnaires, aménagistes, techniciens et ingénieurs forestiers, étudiants et scientifiques intéressés par la sylviculture tropicale.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,323
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,036
Tête enseignante GPT0,267
Écart entre enseignants0,231 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgritrop (Cirad)Même sujetAgriculture and Rural Development ResearchTravaux en français237 207