Dégradation des ressources végétales au contact des activités humaines et perspectives de conservation dans le massif de l'Aïr (Sahara, Niger)
Bibliographic record
Abstract
Le massif de l’Aïr est une enclave montagneuse à l’intérieur du Sahara nigérien. Il abrite environ 80 000 habitants dépendants pour l'essentiel des ressources végétales locales. Notre objectif était de mettre en relation les variations récentes des activités humaines avec le niveau des ressources végétales afin d’anticiper un déficit dans une région aride régulièrement menacée par les sécheresses. Les résultats obtenus à travers des enquêtes auprès des acteurs locaux et des observations empiriques montrent une dégradation rapide des ressources végétales. Cette dégradation est liée à deux types d’impact de l’Homme sur l’environnement. Le premier, interne, se traduit par une pression plus forte sur la végétation autour des villages, et par l’expansion des cultures irriguées qui menace la pérennité des ressources en eaux souterraines. Le second impact, externe, concerne la pression croissante exercée par les centres urbains périphériques, en particulier sur les ressources en bois. On observe par ailleurs un processus d'invasion, encore limité, par un arbre introduit, Prosopis juliflora. Dans un contexte de sécheresses ces changements pourraient déclencher une altération rapide de la biodiversité et des ressources vivantes dans le massif. Un processus de cogestion des ressources naturelles de la réserve et de sa périphérie doit permettre d’enrayer cette dégradation. Il serait utile qu'il soit accompagné de recherches visant à mieux comprendre les processus écologiques liés à la dynamique de la végétation. En particulier, les processus de facilitation entre plantes peuvent être des outils de restauration écologique performants.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| 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".