Régénération naturelle à faible coût dans le cadre de l’aménagement forestier en zones tropicales sèches en Afrique
Bibliographic record
Abstract
La démarche d’aménagement dans certains pays africains des zones sèches coûte cher, même lorsqu’elle est simplifiée. La connaissance de la ressource exploitable passe par des inventaires d’aménagement, prenant en compte la régénération naturelle (semis) et le recru par voie végétative. En fait, seuls les rejets de souche et les « semis » sont comptabilisés. Le rajeunissement par marcottage terrestre et par drageonnage pour de nombreuses espèces n’est pas suffisamment pris en compte par les aménagistes et/ ou les communautés rurales en charge de l’aménagement. Dans les pays à faible couvert ligneux, il est conseillé d’aménager les forêts claires et également les arbres hors forêt, utilisés à des fins multiples par les agriculteurs et les éleveurs des zones tropicales semi-arides et arides. Ce couvert ligneux montre dans certains cas une aptitude très importante au drageonnage ou au marcottage terrestre. Ces phénomènes naturels permettent à certaines espèces (plus de 360) de se maintenir dans un environnement menacé, voire de coloniser le milieu en saison des pluies, par la formation de tiges adventives à partir du système racinaire pour le drageon et du système aérien (branche, tige) pour la marcotte. Dans certains cas, ce sont sur des tiges abattues par le vent que se forment des réitérats qui s’enracinent. La capacité à produire des rejets à partir de la base de la tige (rejet basal, rejet de souche), de branches (marcotte, stolon, rhizome) ou de racines (drageon) dépend de plusieurs facteurs. Dans la plupart des cas, un stress (labour, feu, maladie, cyclone, épisode très sec, froid, etc.) est nécessaire. Pour les arbres poussant près de leurs limites naturelles latitudinales ou altitudinales, où la survie des semis est problématique, certains types de rejets (de souche, du collet, de racine) et les marcottes peuvent devenir significativement importants. Il faudrait en tirer profit dans les pays en développement notamment les plus pauvres pour la régénération d’arbres hors forêt dans ou autour des champs ainsi que pour l’enrichissement et pour l’aménagement des forêts.
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 | 0.000 | 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) | 0.004 | 0.001 |
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".