Paikallisilla toimilla on lisätty puiden määrää Afrikassa : Suomen kannattaisi ottaa oppia myös niistä omista onnistuneista metsähankkeistaan, joissa on parannettu pienviljelijöiden maankäyttöä.
Notice bibliographique
Résumé
Mielipide | Lukijan mielipide Paikallisilla toimilla on lisätty puiden määrää Afrikassa Suomen kannattaisi ottaa oppia myös niistä omista onnistuneista metsähankkeistaan, joissa on parannettu pienviljelijöiden maankäyttöä. On hyvä, että julkisessa keskustelussa ja toivottavasti pian myös hallituksen toimissa nostetaan esiin Suomen mahdollisuudet edistää Afrikan metsittämistä (HS 22.11.). Afrikan kuivilla alueilla tuhojen välitön syy on ollut polttopuun korjuu ja ylilaidunnus. Perusongelma on kuitenkin se, että maaseudun asukkailla ei ole ollut oikeutta puiden hoitoon ja käyttöön. Metsien palauttamisen päätavoitteena tulisi Afrikassa olla pienviljelijöiden ruoka- ja ravitsemusturvan parantaminen – samallahan edistettäisiin myös ilmastonmuutokseen sopeutumista. Esimerkit osoittavat jo, että maankäyttöoikeuden vahvistaminen johtaa puiden määrän lisääntymiseen. Niger on Afrikan köyhin maa, mutta siellä viljelijät ovat itse palauttaneet puut viidelle miljoonalle hehtaarille ja samalla parantaneet ruoantuotantoaan sekä ilmastonmuutokseen sopeutumistaan. Viimeksi Etiopia on muuttanut maankäyttöpolitiikkaansa ja käynnistänyt puiden palauttamisen 30 miljoonan hehtaarin eli puolitoista kertaa Suomen metsien suuruiselle alalle. Miksi suomalaisessa keskustelussa ehdotetaan nyt kalliita ratkaisuja Afrikan metsittämiseen, jopa Saharan autiomaassa, jossa metsää ei ilman keinokastelua saada aikaan? Finnfundin tukemat teolliset puuviljelmät etelän maissa ovat esimerkkejä liiketoimintaa edistävästä myönteisestä ja kestävästä kehityksestä. Mutta tälläkin mallilla perustetaan etelään korkeintaan joitakin satojatuhansia hehtaareita uutta metsää, kun tarve pelkästään Afrikassa olisi 150 miljoonaa hehtaaria. Sahelissa, jossa sataa keskimäärin tarpeeksi ja jossa ihmiset todella tarvitsevat metsää, puiden määrää on jo lisätty paikallisten asukkaiden omalla työllä pienin, ehkä 30 dollarin hehtaarikohtaisin lisäkustannuksin, etupäässä kotoperäisten puiden luontaisen uudistumisen kautta. Metsätilastoissa nämä puut eivät näy, koska ne kasvavat maatalousmaaksi luokitelluilla alueilla. Suomen kannattaisi ottaa oppia myös niistä omista onnistuneista metsähankkeistaan, joissa on parannettu pienviljelijöiden maankäyttöä. Uusi suomalainen toiminta voitaisiin heti käynnistää tukemalla Euroopan unionin Afrikan viherryttämishanketta (”Regreening Africa”), jota koordinoi Suomen aikaisemmin kiitettävällä tavalla tukema Kansainvälinen peltometsäviljelyn tutkimuskeskus ICRAF Nairobissa Keniassa. Toinen nopea vaihtoehto olisi laajentaa jo käynnissä olevia suomalaisia metsä- ja maaseutukehityshankkeita esimerkiksi Tansaniassa, Etiopiassa, Somaliassa ja Ghanassa. Näillä projekteilla on ammattitaitoinen henkilöstö ja tarvittavat paikalliset kumppanuudet. Olavi Luukkanen kehitysmaiden metsänhoidon professori emeritus, Helsingin yliopisto
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 | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 0,009 |
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 ».