Cartographie de l’érosion hydrique des sols et priorisation des mesures de conservation dans le territoire d’Uvira (République démocratique du Congo)
Bibliographic record
Abstract
L’érosion des sols est un risque naturel qui est exacerbé par les activités anthropiques en République démocratique du Congo. Cependant, il existe peu d’information sur la spatialisation de ce phénomène à l’échelle territoriale. Cette étude est basée sur l’utilisation du modèle USLE (Universal Soil Loss Equation) et des données en accès libre pour cartographier les zones à risque d’érosion et faire la priorisation des zones pour la conservation des sols dans le territoire d’Uvira. Au regard de résultats, 52,79 % du territoire est caractérisé par un risque d’érosion faible tandis que 47,21 % font face à un risque de perte de sol supérieure à la limite tolérable de 11 t/ha/an dans le contexte des paysages tropicaux et montagneux. Ce risque est accentué par la perte du couvert végétal au profit de l’extension des zones urbaines et agricoles. Le faible niveau de sensibilité à l’érosion se trouve au niveau de la plaine de la Ruzizi tandis que les zones situées dans les plateaux présentent une forte sensibilité en raison de leur relief accidenté et une pluviosité forte. L’analyse statistique des rapports de fréquence des glissements de terrain montre l’existence d’une relation entre leur occurrence et les zones d’intensité d’érosion. La modélisation de la perte de sol en fonction des différentes méthodes de protection de sol montre que l’approche de mise en place des bandes enherbées et l’aménagement des terrasses sont les plus appropriés pour réduire le risque d’érosion dans ce secteur. Ces méthodes peuvent être associées aux efforts d’afforestation pour une protection efficace des sols.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".