Relation entre Ptéridophytes épiphytes et leurs phorophytes en zone de montagne du rift albertin : cas du Parc national de Kahuzi-Biega en RD Congo
Notice bibliographique
Résumé
Le présent travail a concerné la distribution des Ptéridophytes1 épiphytes et leur relation avec les phorophytes en zone de montagne au Parc national de Kahuzi-Biega (PNKB) à l’est de la République Démocratique du Congo (RDC). Nous avons effectué 10 transects et 20 placettes sur un gradient altitudinal de 1712 à 3326 mètres d’altitude. Les inventaires ont été faits suivant le schéma de la distribution des épiphytes sur les phorophytes selon la méthode de Johansson (1974). La plus petite surface nécessaire au relevé pour que la plupart des espèces soient représentées était de 200 centimètres autour du tronc du phorophyte. Les indices de diversité des Ptéridophytes ont été mesurés ainsi que les liens entre la variation floristique des Ptéridophytes et la variation écologique grâce à une Analyse en composantes principales (ACP). Au total, 63 Ptéridophytes épiphytes ont été recensées sur 842 phorophytes appartenant à 20 espèces. Les hémi-épiphytes (34,9 %) suivis des épiphytes semi-stricts (25,4 %) sont majoritaires dans la forêt de montagne (1700-2600 mètres d’altitude) pendant que les épiphytes semi-stricts dominent dans la forêt afro-subalpine (17,5 %). La forêt de montagne enregistre un grand nombre de Ptéridophytes épiphytes avec une séquence de I > II > III > IV > V, alors que la forêt afro-subalpine présente une séquence de I > II > III suivant l’échelle de Johansson. Le diamètre du support d'épiphyte et les conditions environnementales sont deux facteurs qui influencent plus l’abondance des épiphytes. De plus, la nature de l’écorce des arbres hôtes a une forte influence dans la relation Ptéridophytes épiphytes et phorophytes.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».