Efficacité de rétention des polluants par les marais Ciranga et Kabamba du Lac Kivu, République Démocratique du Congo
Bibliographic record
Abstract
Les marais sont de plus en plus menacés par les activités anthropogéniques mettant en péril leur capacité de filtrant des eaux des bassins versants. Cette étude a permis de déterminer l’efficacité de rétention des nutriments par les marais de Ciranga et de Kabamba et les effets de l’utilisation des terres et de la végétation sur la rétention des nutriments. Les échantillons d’eau ont été prélevés à l’entrée de la rivière dans le marais et à l’embouchure, et aussi sur sept stations identifiées dans le marais caractérisées par différents types de végétation et d’utilisation. Les prélèvements ont été effectués mensuellement entre août 2011 et juillet 2012. L’efficacité de rétention relative des polluants a été calculée par la différence entre la concentration au site de à l’entrée du marais et celle au site récepteur. Les résultats montrent que l’efficacité de rétention des nutriments des marais de Ciranga et de Kabamba diffèrent au vu de leur état d’utilisation des terres et de la couverture végétale. Le marais de Ciranga a une potentialité de rétention des nutriments plus élevée que le marais de Kabamba. L’efficacité de rétention du marais Ciranga est de 13% pour l’azote, mais celui de Kabamba est de 2% pour le phosphore. Le marais de Ciranga possède une concentration élevée en phosphore dans la rivière Lwiro (0,5 µmole/l). Par ailleurs, la rétention d’azote total est plus significative dans le marais de Kabamba que dans le marais de Ciranga. Comme le marais de Kabamba a été drainé et transformé en terre de culture, sa fonction naturelle de purification a été réduite. Des mesures de restauration des marais seraient d’une grande importance pour la stabilité du Lac Kivu et d’autres écosystèmes importants de la région.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".