Conflict-related environmental degradation threatens the success of landscape recovery in some areas in Tigray (Ethiopia)
Notice bibliographique
Résumé
Armed conflicts can lead to environmental degradation, thereby threatening the basis of people’s livelihoods and well-being. Identifying areas where conflicts drive environmental degradation is important for designing effective recovery strategies, but this is inherently challenging in insecure contexts. We use a case study in Tigray, Ethiopia to illustrate how open-source satellite data can be used to support the identification of woody vegetation loss during armed conflicts in situations where ground-based assessments are difficult or impossible. Areas of potential woody vegetation loss extend across 930 km2 (approximately 4% of the area occupied by forest and other woody vegetation in Tigray) and appear to be concentrated mostly along major roads; however, vegetation recovery has continued during the war across a significantly larger area (approximately 2600 km2). Spatial patterns of woody vegetation loss appear to be unrelated to drought conditions and large-scale wildfires. Based on these observations and anecdotal evidence of deforestation, we propose that it may be conflict-driven deforestation, caused by increases in fuel wood demands, that are driving the woody vegetation losses in some areas of Tigray. Eventual recovery efforts will have to consider the loss in landscape health during the war in areas where woody vegetation has declined, and include efforts to restore this vegetation to ensure both food security and livelihoods. Open access satellite data, together with ground-based data collection, could inform such post-war restoration efforts by helping identify degraded areas at a regional scale.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».