Analyse de l’effet de la concurrence végétale sur la croissance de l’Iroko (Milicia excelsa) en forêt dense tropicale perturbée de l’Est–Cameroun
Bibliographic record
Abstract
La simulation faite actuellement sur les essences de valeur commerciale, s’agissant de la détermination de leur diamètre minimum aménagement par la méthode de calcul du taux de reconstitution et qui leur permettrait d’atteindre le diamètre minimum exploitable après rotation, ne tient pas compte des facteurs écologiques de croissance des espèces (nutriments du sol, accessibilité de l’eau, compétition due à la présence d’autres espèces, changements climatiques…). La présente recherche s’engage à mener une réflexion sur les variations de croissance de l’Iroko en fonction des interactions de compétition liée à la présence avec le peuplement environnant. Cette étude a été réalisée en peuplement hétérogène perturbé des forêts denses du bassin du Congo et pourra servir d’amorce au développement d’une approche d’identification du rôle de chaque facteur environnemental dans le processus de croissance des espèces en milieu forestier hétérogène et utile à l’élaboration future des modèles allométriques de croissance des espèces tropicales.
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 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| 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".