Impact des feux sur la biomasse dans les savanes guinéo-soudaniennes du Togo
Bibliographic record
Abstract
Au Togo, la mise à feu de la végétation est une pratique ancestrale très usitée en agriculture. Mais, au-delà de certaines normes, l’aspect utilitaire des feux est supplanté par des conséquences dommageables à l’environnement. Un des impacts des feux incontrôlés est la perte de ressources végétales réduisant sa disponibilité pour les besoins humains et l’équilibre écosystémique. Face au risque d’incendie de plus en plus élevé dû aux dérèglements climatiques et à la pression anthropique sur les écosystèmes forestiers, il devient urgent de mieux comprendre l’impact des feux sur la biomasse végétale. Cette étude vise à évaluer l’impact des feux sur la production et la diversité végétale. Pour se faire, des parcelles ont été délimitées sur la base de la distribution des feux actifs, des superficies brulées et des mesures au sol. L’étude porte sur la strate herbacée épigée exposée aux feux de surface dans les savanes d’aires protégées. Il en ressort que la biomasse est faible au niveau des zones brulées (1034,6±249,6 g/m²) qu’au niveau des zones exclues des feux (1078,3±275,4 g/m²). Les feux itératifs ont induit une perte de production moyenne 43,67±26,2 g/m². Cette perte est plus élevée sous climat guinéen que soudanien. Au total, 16015±9 627,3 t/an de biomasse herbacée est brulée au niveau de la zone d’étude, équivalent à 8007,6±4750,5 tonnes de carbone rejeté. Les Poaceae semblent plus pyrotolérantes et prédominantes au niveau des sites brulés au détriment des autres familles d’herbacées. Ainsi, pour atténuer le rejet des gaz à effet de serre, conserver la biodiversité et répondre à la forte demande en biomasse végétale, une meilleure connaissance de l’impact des feux sur les écosystèmes devient incontournable dans la planification du développement.
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".