REPIQUETES Y RIESGO EN EL CULTIVO DE ARROZ EN LA LLANURA INUNDABLE DEL RÍO AMAZONAS CERCA DE IQUITOS, PERÚ
Bibliographic record
Abstract
Las llanuras inundables del río Amazonas poseen un gran potencial para la agricultura, pero no están exentas de riesgos para los agricultores que cultivan en esas tierras fértiles muy propensas a inundaciones. Estas inundaciones repentinas, que ocurren a medida que el nivel del río disminuye entre mayo y noviembre, son conocidas como «repiquetes» y representan una amenaza seria para los cultivos en llanuras inundables, especialmente para el arroz comercial. En este artículo se analiza el registro diario de los niveles de agua del río Amazonas en Iquitos de los últimos 45 años (entre 1968 y 2012), para determinar la frecuencia y magnitud de los repiquetes y su impacto en la temporada de crecimiento del cultivo. Las entrevistas y los estudios de campo realizados en cuatro comunidades ribereñas, cerca del archipiélago Muyuy, revelan el impacto de los repiquetes y otros riesgos en la producción de arroz, así como la disposición de los agricultores al pago por los instrumentos apropiados para disminuir el riesgo de las inundaciones. Nuestros hallazgos apuntan a un seguro basado en índices climáticos, como una nueva estrategia para reducir el riesgo y promover el desarrollo agrícola en las llanuras inundables del Amazonas.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".