Suivi des services écosystémiques dans un observatoire de caféiers agroforestiers. Applications pour la filière du café
Bibliographic record
Abstract
Huit ans de travaux de recherche sur les services écosystémiques dans une grande ferme caféière du Costa Rica (observatoire collaboratif Coffee-Flux, en système agroforestier à base de caféiers sous de grands arbres d'Erythrina poeppigiana, surface projetée de couronne de l'ordre de 16 %) ont suggéré plusieurs applications pour les agriculteurs et les décideurs. Il est apparu que de nombreux services écosystémiques dépendaient des propriétés du sol (ici des Andisols), en particulier de l'érosion, de l'infiltration, de la capacité de stockage de l'eau et des éléments nutritifs. Nous confirmons qu'il est essentiel de lier les services hydrologiques et de conservation au type de sol en présence. Une densité adéquate d'arbres d'ombrage (plutôt faible ici) permet de réduire la sévérité des maladies foliaires avec, en perspective, une réduction de l'usage de pesticides-fongicides. Un simple inventaire de la surface basale au collet des caféiers permet d'estimer la biomasse souterraine et la moyenne d'âge d'une plantation de caféiers, ce qui permet d'évaluer sa valeur marchande ou de planifier son remplacement. Le protocole de calcul actuel pour la neutralité carbone des systèmes agroforestiers ne prend en compte que les arbres d'ombrage, pas la culture intercalaire. Dans la réalité, si on inclut les caféiers, on se rapproche très probablement de la neutralité. Des évaluations plus complètes, incluant les arbres, les caféiers, la litière, le sol et les racines dans le bilan en carbone du système agroforestier sont proposées. Les arbres d'ombrage offrent de nombreux servies écosystémiques s'ils sont gérés de manière adéquate dans le contexte local. Par rapport aux parcelles en plein soleil, nous montrons qu'ils réduisent l'érosion laminaire d'un facteur 2, augmentent la fixation de l'azote (N2) atmosphérique et le pourcentage d'azote recyclé dans le système, réduisant ainsi les besoins en engrais. Ils réduisent aussi la sévérité des maladies foliaires, augmentent la séquestration de carbone, améliorent le microclimat et atténuent substantiellement les effets des changements climatiques. Dans notre étude de cas, aucun effet négatif sur le rendement n'a été enregistré.
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 | 0.001 | 0.001 |
| 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 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| 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".