Écologie et dynamique spatio-temporelle des mangroves au Togo
Bibliographic record
Abstract
Au Togo, l'installation des ouvrages portuaires, la construction du barrage hydroélectrique de Nangbéto, la croissance urbaine et les activités relatives à l’installation des bassins piscicoles, et l'expansion des aires de production en agriculture sont les causes majeures de la dégradation drastique des mangroves. Afin de contribuer à une meilleure gestion de cet écosystème, une évaluation de la structure actuelle des mangroves, de leur dynamique spatio-temporelle et des enjeux socio-économiques a été réalisée. Pour ce faire, des données d'inventaires forestiers, d'entretiens dirigés et des images Landsat de 1986 et de 2014 ont été utilisées. Les inventaires ont permis de recenser 23 espèces végétales réparties en 23 genres et 17 familles dominées par les Rhyzophora racemosa et Avicennia germinans. La classification hiérarchique des relevés d'inventaire forestier a permis d’identifier trois groupements végétaux de mangroves. Les résultats des enquêtes montrent que tous les acteurs utilisent le bois provenant de la mangrove pour des besoins énergétiques et de service. De 1986 à 2014, l’état des unités d’occupation du sol de la zone d’étude a subi d'énormes mutations. Les zones inondables et les tannes ont vu leurs superficies augmentées respectivement de 39,91 % et 46,06 % tandis que le couvert de végétation dense a perdu globalement 47,19 % (soit 829,82 ha) de sa superficie. Les pressions anthropiques seraient à l'origine de la dégradation des mangroves, impactant les services écosystémiques ainsi que leur productivité. Du fait de l’importance écologique des mangroves, il est urgent et nécessaire d’élaborer un plan d’aménagement adéquat prenant en compte les réalités actuelles.
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 | 0.002 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".