Évaluation de la vulnérabilité des communautés de montagne face au changement climatique. Région Beni-Mellal-Khénifra, Maroc
Bibliographic record
Abstract
Au cours des dernières années, le climat du Maroc est marqué par une hausse des températures et un déclin des précipitations. Ces événements climatiques affectent négativement la productivité des ressources, le bien-être des populations et augmentent leur vulnérabilité. L’étude vise à analyser la perception des populations quant aux impacts du changement climatique sur leurs moyens de subsistance. L’étude s’est déroulée dans la zone de montagne de la région Beni Mellal - Khénifra au Maroc. L’approche participative a été privilégiée, mettant à profit l’animation de sept ateliers et de vingt entretiens semi-structurés. L’approche qualitative a été complétée par la collecte de données tirées des statistiques de l’Agence nationale des eaux et forêts, de l’Office de développement de la coopération, du haut-commissariat au plan et du Département de l’agriculture. Les concepts d’évaluation de la vulnérabilité par les moyens de subsistance et la mesure de la criticité des impacts climatiques (sécheresse et inondations) ont été mobilisés. Les résultats ont montré que la sécheresse est l’aléa qui, selon les participants, affecte le plus leurs ressources, suivi des inondations. La matrice de vulnérabilité a permis de classer les ressources en trois catégories selon leur degré de vulnérabilité au changement climatique : i) les ressources très vulnérables (terrains agricoles, élevage et arboriculture), ii) les ressources vulnérables (ressources en eau, forêt et ressources économiques liées à la céréaliculture, l’apiculture et le maraichage) et enfin, iii) les ressources moyennement vulnérables, constituées des ressources impactées par les inondations (vies humaines, équipement et biens matériels).
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| 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".