Impact du changement climatique dans les pays du monde tropical
Bibliographic record
Abstract
Le réchauffement climatique, de l’ordre de + 0,8°C, a débuté vers 1850 à la fin du Petit Age Glaciaire ; il est d’abord d’origine naturelle (activité solaire). Pour la seconde moitié du 20èroe siècle (+ 0,4°C, 25 % du réchauffement serait naturel et 75 % d’origine humaine à cause de l’augmentation de l’effet de serre (CO�. Pour l’année 1998, la plus chaude du siècle, on constate que les effets les plus sérieux (inondations, cyclones, sécheresse, incendies) sont situés dans les pays du Sud, donc en zone tropicale : Mexique, Niger, Soudan, Inde, Bangladesh, Chine, Philippines, Australie, Amérique centrale, Brésil. Cette augmentation de l’intensité de phénomènes classiques est tributaire en premier lieu des échanges océan-atmosphère aux latitudes tropicales. Les effets directs sont d’abord les inondations et raz-de-marée climatiques sur les deltas surpeuplés (Asie du Sud et du Sud-Est, Mississipi), les côtes du Bangladesh, Haïti, les îles basses, d’où un exode des populations (réfugiés climatiques). En corollaire, on observe une augmentation de la sécheresse avec incendies dans les autres régions (Sahel, Australie, Amazonie, Californie). Les effets indirects sont la dégradation des. écosystèmes (érosion des sols), la crise alimentaire liée en partie à la sécheresse et les problèmes sanitaires (remontée possible du paludisme vers le nord, chikungunya, dengue) liés aussi à la déforestation et à la dégradation des écosystèmes. Ces effets négatifs exacerbent les inégalités dans les pays du Sud les plus pauvres en s’ajoutant aux effets pervers d’un marché mondial dérégulé et dominé par les multinationales de l’agroalimentaire, de la chimie, des mines et de l’énergie.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".