Dynamique de l’occupation du sol à la station forestière de l’INÉRA Kiyaka, Kwilu, République Démocratique du Congo
Notice bibliographique
Résumé
Les écosystèmes forestiers de la République Démocratique du Congo sont sujets à la déforestation, mettant en exergue des paysages fragmentés et anthropisés. La station forestière de l’INÉRA Kiyaka n’est pas épargnée. Cette régression du couvert végétal est tributaire de l’activité humaine. L’analyse cartographique et quantitative par télédétection de la dynamique d’occupation du sol a été réalisée en vue de faire ressortir le facteur primordial de la déforestation entre la pression humaine et les paramètres climatiques. La classification par objet avec l’approche supervisée des images Sentinel 2, Landsat et Spot a permis de caractériser l’occupation du sol à trois périodes (2000, 2010 et 2020). Nous avons retenu six classes d’occupation du sol en fonction des réalités sur le terrain : forêt secondaire mature, forêt secondaire jeune, savane, zone agricole et anthropique, eau et palmeraie. L’analyse de la fragmentation du paysage s’est faite en confrontant les résultats de la classification des images satellitaires des années en étude. L’analyse cartographique et quantitative révèle une dynamique régressive des formations forestières (forêt secondaire) et de la palmeraie au profit de la savane, de la zone agricole et anthropique. Les pourcentages élevés de la régression sont constatés entre 2010 et 2020. Cette étude révèle que depuis 2000, le couvert forestier de la station forestière de Kiyaka subit une transformation de son paysage dû aux activités humaines soutenues par la croissance démographique.
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 | 0,001 | 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 ».