Relation entre Ptéridophytes épiphytes et leurs phorophytes en zone de montagne du rift albertin : cas du Parc national de Kahuzi-Biega en RD Congo
Bibliographic record
Abstract
Le présent travail a concerné la distribution des Ptéridophytes1 épiphytes et leur relation avec les phorophytes en zone de montagne au Parc national de Kahuzi-Biega (PNKB) à l’est de la République Démocratique du Congo (RDC). Nous avons effectué 10 transects et 20 placettes sur un gradient altitudinal de 1712 à 3326 mètres d’altitude. Les inventaires ont été faits suivant le schéma de la distribution des épiphytes sur les phorophytes selon la méthode de Johansson (1974). La plus petite surface nécessaire au relevé pour que la plupart des espèces soient représentées était de 200 centimètres autour du tronc du phorophyte. Les indices de diversité des Ptéridophytes ont été mesurés ainsi que les liens entre la variation floristique des Ptéridophytes et la variation écologique grâce à une Analyse en composantes principales (ACP). Au total, 63 Ptéridophytes épiphytes ont été recensées sur 842 phorophytes appartenant à 20 espèces. Les hémi-épiphytes (34,9 %) suivis des épiphytes semi-stricts (25,4 %) sont majoritaires dans la forêt de montagne (1700-2600 mètres d’altitude) pendant que les épiphytes semi-stricts dominent dans la forêt afro-subalpine (17,5 %). La forêt de montagne enregistre un grand nombre de Ptéridophytes épiphytes avec une séquence de I > II > III > IV > V, alors que la forêt afro-subalpine présente une séquence de I > II > III suivant l’échelle de Johansson. Le diamètre du support d'épiphyte et les conditions environnementales sont deux facteurs qui influencent plus l’abondance des épiphytes. De plus, la nature de l’écorce des arbres hôtes a une forte influence dans la relation Ptéridophytes épiphytes et phorophytes.
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 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| 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".