Impact des changements climatiques sur l’agriculture dans la plaine de Jeffara sud-est tunisien
Bibliographic record
Abstract
Cette étude évalue la vulnérabilité de l’agriculture dans la plaine de Jeffera sud-est tunisien aux changements climatiques en utilisant la méthode Ricardienne. Cette méthode consiste à exprimer les revenus nets agricoles en fonction des variables climatiques, édaphiques et socio-économiques. Ces modèles ricardiens ont été testés sur la base des données d’une enquête réalisée dans le cadre de projet de développement dans la plaine Jeffera pour la compagne agricole 2002-2003. Ces modèles ont permis d’exprimer d’une part la relation qui existe entre le revenu agricole et les variables climatiques (température et précipitation) et d’autre part, d’analyser la sensibilité des revenus agricoles par rapport à ces variables climatiques. Des simulations ont été faites sur la base de scenario A2 résultat de la projection faite par le modèle HadCM3 à l’échelle nationale et régionale de la Tunisie. Les résultats de l’étude ont montré que la relation entre le revenu agricole et le climat est non linéaire. De même, les effets négatifs de certaines options d’adaptation ont montré que l’agriculture dans la plaine de Jeffera est une agriculture paysanne basée sur le travail familial qui nécessite aujourd’hui un capital financier important et une marge de modernisation afin d’améliorer l’activité agricole dans les années futures. Tandis que les effets positifs de certaines autres options peuvent être servir comme des points de réflexion dans l’élaboration des stratégies d’adaptation aux changements climatiques comme l’utilisation des nouvelles technologies d’irrigation et l’intégration de l’activité de l’élevage dans l’exploitation agricole.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 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".