MétaCan
Menu
Retour à la cohorte
Enregistrement W4391851176 · doi:10.31893/multiscience.2024123

Impact of urban dynamics and climate change on forest areas the Maamora forest in the city of Kenitra, Morocco

2024· article· en· W4391851176 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueMultidisciplinary Science Journal · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAfrican Botany and Ecology Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversité du Québec à Rimouski
Mots-clésGeographyClimate changeForestryUrban forestEnvironmental protectionEcology

Résumé

récupéré en direct d'OpenAlex

Studies have focused on the issue of drought on one hand, and urban dynamics on the other, as prominent topics in physical geography for the former, which specializes in climate change, and human geography for the latter, which concerns field sciences. This research is part of a series of studies and specifically relates to a wetland area in the western plain, specifically Maamora Forest in the city of Kenitra. This research addresses three main axes: the first axis relates to human factors contributing to the reduction and deterioration of Maamora Forest over the past three decades and analyzes their impact on the forest. This is done by determining the development and dynamics of cork oak through remote sensing data, manifested in the analysis of aerial images from three different periods (1975, 1995, and 2022), complemented by field research throughout the period between 2022 and 2023. The second axis focuses on studying climatic data for the studied area, extending from 1987 to 2019. It highlights the manifestations of climate change, such as a decrease in annual precipitation and an increase in temperatures, and their impacts on the overall forest and specifically on cork oak trees. This is done using the LANG equation. The results indicate that the region has experienced four dry periods, accounting for 87.5% of the total 28 years, which range from 1987/1988 to 1995/1994, 1997/1998 to 2010/2011, 2012/2013 to 2014/2015, and 2016/2017 to 2018/2019. In contrast, the percentage of semi-humid and extremely dry years only accounted for 6.25% each, with an average duration of two years. The third axis relates to monitoring the effects of climate change on the forestry sector, specifically the Maamora Forest, through the use of modern techniques such as remote sensing and spectral plant and water indicators. It aims to understand the role of these technologies in spatial monitoring of factors and phenomena that negatively impact forest areas in general, and the Maamora Forest in particular.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,008
Score d'incertitude au seuil0,592

Scores Codex et Gemma par catégorie

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

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 Opus0,040
Tête enseignante GPT0,291
Écart entre enseignants0,252 · 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