Dynamique de l’occupation du sol à la station forestière de l’INÉRA Kiyaka, Kwilu, République Démocratique du Congo
Bibliographic record
Abstract
Les écosystèmes forestiers de la République Démocratique du Congo sont sujets à la déforestation, mettant en exergue des paysages fragmentés et anthropisés. La station forestière de l’INÉRA Kiyaka n’est pas épargnée. Cette régression du couvert végétal est tributaire de l’activité humaine. L’analyse cartographique et quantitative par télédétection de la dynamique d’occupation du sol a été réalisée en vue de faire ressortir le facteur primordial de la déforestation entre la pression humaine et les paramètres climatiques. La classification par objet avec l’approche supervisée des images Sentinel 2, Landsat et Spot a permis de caractériser l’occupation du sol à trois périodes (2000, 2010 et 2020). Nous avons retenu six classes d’occupation du sol en fonction des réalités sur le terrain : forêt secondaire mature, forêt secondaire jeune, savane, zone agricole et anthropique, eau et palmeraie. L’analyse de la fragmentation du paysage s’est faite en confrontant les résultats de la classification des images satellitaires des années en étude. L’analyse cartographique et quantitative révèle une dynamique régressive des formations forestières (forêt secondaire) et de la palmeraie au profit de la savane, de la zone agricole et anthropique. Les pourcentages élevés de la régression sont constatés entre 2010 et 2020. Cette étude révèle que depuis 2000, le couvert forestier de la station forestière de Kiyaka subit une transformation de son paysage dû aux activités humaines soutenues par la croissance démographique.
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 | 0.001 |
| 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 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| 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".