La variabilité pluviométrique et ses impacts sur les rendements et les surfaces cultivées dans le bassin arachidier de la région de Thiès (Sénégal)
Bibliographic record
Abstract
L’étude a pour objectif d’analyser les impacts de la variabilité pluviométrique sur les rendements agricoles dans le bassin arachidier de la région de Thiès. La variabilité pluviométrique et la baisse des volumes de pluie sont des caractéristiques du bassin arachidier de la région de Thiès à l’instar des autres pays du sahel. Il y a dans le milieu d’étude un déficit important d’eau à partir des années 1970. Cette dégradation des conditions pluviométriques n’est pas sans impacts sur les activités socio-économiques des populations, notamment sur l’agriculture. Une analyse statistique (test de rupture de Pettitt, indice de sécheresse, évolution pluviométrique décennale) des données pluviométriques et agricoles sur la période 1961-2016 a permis de constater une irrégulière distribution spatio-temporelle des volumes de pluie. Cette étude montre aussi une faible corrélation entre la pluviométrie et les rendements agricoles. Les volumes de pluie annuels enregistrés ne déterminent pas à eux seuls les rendements. Les rendements de mil, niébé et manioc n’ont que faiblement varié durant les années 1970 malgré la sécheresse, contrairement à l’arachide qui a enregistré une baisse dans tous les trois départements de la région de Thiès, à cause de la sécheresse. D’autres facteurs interviennent tels que les épisodes secs, la qualité des semences, la fertilité des sols, les prédateurs des cultures, et cetera. La sensibilité différente des cultures à la sécheresse à Thiès, contribue aux choix des meilleures options pour une adaptation réussie.
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 | 0.003 |
| Science and technology studies | 0.000 | 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) | 0.003 | 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".