Scénario socio-économique et écologique des changements de l’occupation des terres au Bénin
Bibliographic record
Abstract
Cette étude apprécie la dynamique de l’occupation des terres et son probable devenir dans un avenir moyen et lointain au Centre du Bénin. Elle se base sur une approche combinatoire qui intègre la télédétection spatiale, les systèmes d’information géographique et les automates cellulaires. Des images Landsat TM de 1986, ETM de 2000 et NigeriaSat1 de 2006 ont été utilisées pour l’extraction des informations sur l’occupation du sol. Ces informations ont été traitées et converties sous format ASCII dans ArcGIS, puis récupérées dans le modèle des automates cellulaires SPACELLE où des projections ont été faites aux horizons 2025 et 2034, suivant deux scénarios qui pourraient se produire sous des conditions socio-économiques définies. La détection des changements indique une tendance progressive des champs et jachères, les savanes arborées et arbustives entre 1986 et 2006. Quant à la forêt dense et la forêt-galerie, elles présentent une tendance régressive au niveau des quatre unités paysagiques sélectionnées. Le scénario socio-économique révèle que les formations végétales vont quasiment disparaître au profit des champs et jachères et des agglomérations en 2016, 2025, tendance qui va se consolider davantage en 2034. Le scénario écologique a tourné à un scénario de stabilité environnementale, se traduisant par une dynamique relative, mais qui préservera les ressources surtout les formations végétales, car leur degré de dégradation ne sera pas aussi élevé.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 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".