Dynamique paysagère du Parc National Naturel de la Forêt des Pins en Haïti (1973- 2018)
Bibliographic record
Abstract
En Haïti, la couverture forestière est en constante régression et n’excède pas 3,5% du territoire national. Des aires protégées ont été créés pour préserver les rares massifs forestiers, dont l’Unité 2 du Parc National Naturel de la Forêt des Pins (PNN-FP2). Toutefois, les maigres ressources forestières de ce parc sont sujettes aux diverses pressions anthropiques, telles l’agriculture, l’exploitation du bois d’œuvre, l’urbanisation, etc. menant à la régression de leur superficie dans le paysage. Cette étude a évalué la dynamique spatio-temporelle de l’anthropisation des écosystèmes forestiers du PNN-FP2 à partir de quatre images Landsat datant de 1973, 1986, 1999 et 2018. L’approche cartographique combinée aux outils d’analyse de l’écologie du paysage a révélé que la couverture forestière naturelle a connu, en 45 ans (de 1973 à 2018), une dynamique régressive matérialisée par une perte de 59,63% de sa couverture au profit des classes anthropiques (Champs et jachères, Végétation dégradée et Sol nu). La régression de la couverture forestière est sous-tendue par la dissection et la fragmentation de ses taches par opposition à la création des taches de classes anthropiques. Nos résultats justifient le besoin urgent de développer une politique de gestion intégrée, adéquate et participative afin de préserver durablement les forêts du PNN-FP2.
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 | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".