Efficience des techniques de gestion de l’eau et de fertilité des sols sur le rendement du maïs dans les régions semi-arides : cas de la plaine de la Ruzizi (Sud-Kivu, République Démocratique du Congo)
Bibliographic record
Abstract
L’efficience de l’utilisation de l’eau dans les régions sèches pose actuellement de sérieux problèmes aux producteurs dans le contexte de changement climatique et de sécurité alimentaire. Ces dernières années, les régions agricoles comme la plaine de la Ruzizi sont aussi victime de cette situation. Des mesures d’adaptation à travers les technologies de gestion de l’eau offrent des opportunités pour garantir la production par les agriculteurs. Ainsi, des essais ont été conduits dans l’objectif de trouver les technologies les mieux adaptées et les plus efficientes pour garantir une utilisation efficiente de l’eau. Une gestion des pratiques locales et des éléments nutritifs a servi à améliorer l’efficacité d’utilisation de l’eau (water usage effectiveness, WUE). Ainsi, le rendement et l’efficience de l’utilisation de l’eau et des éléments nutritifs ont été étudiés. Les résultats montrent que la technique de Tied Ridges a augmenté le rendement d’environ 200 % alors que le Zaï a augmenté le rendement d’environ 150 %. Le Tied Ridges et le Zaï ont respectivement augmenté l’efficience de l’eau et des éléments nutritifs de 120 % et 105 %. De plus, contrairement à la pratique locale, ces technologies ont bien contrôlé les mauvaises herbes d’où la nécessité de les promouvoir dans ce milieu à faible pluviométrie.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| 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 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".