Paikallisilla toimilla on lisätty puiden määrää Afrikassa : Suomen kannattaisi ottaa oppia myös niistä omista onnistuneista metsähankkeistaan, joissa on parannettu pienviljelijöiden maankäyttöä.
Bibliographic record
Abstract
Mielipide | Lukijan mielipide Paikallisilla toimilla on lisätty puiden määrää Afrikassa Suomen kannattaisi ottaa oppia myös niistä omista onnistuneista metsähankkeistaan, joissa on parannettu pienviljelijöiden maankäyttöä. On hyvä, että julkisessa keskustelussa ja toivottavasti pian myös hallituksen toimissa nostetaan esiin Suomen mahdollisuudet edistää Afrikan metsittämistä (HS 22.11.). Afrikan kuivilla alueilla tuhojen välitön syy on ollut polttopuun korjuu ja ylilaidunnus. Perusongelma on kuitenkin se, että maaseudun asukkailla ei ole ollut oikeutta puiden hoitoon ja käyttöön. Metsien palauttamisen päätavoitteena tulisi Afrikassa olla pienviljelijöiden ruoka- ja ravitsemusturvan parantaminen – samallahan edistettäisiin myös ilmastonmuutokseen sopeutumista. Esimerkit osoittavat jo, että maankäyttöoikeuden vahvistaminen johtaa puiden määrän lisääntymiseen. Niger on Afrikan köyhin maa, mutta siellä viljelijät ovat itse palauttaneet puut viidelle miljoonalle hehtaarille ja samalla parantaneet ruoantuotantoaan sekä ilmastonmuutokseen sopeutumistaan. Viimeksi Etiopia on muuttanut maankäyttöpolitiikkaansa ja käynnistänyt puiden palauttamisen 30 miljoonan hehtaarin eli puolitoista kertaa Suomen metsien suuruiselle alalle. Miksi suomalaisessa keskustelussa ehdotetaan nyt kalliita ratkaisuja Afrikan metsittämiseen, jopa Saharan autiomaassa, jossa metsää ei ilman keinokastelua saada aikaan? Finnfundin tukemat teolliset puuviljelmät etelän maissa ovat esimerkkejä liiketoimintaa edistävästä myönteisestä ja kestävästä kehityksestä. Mutta tälläkin mallilla perustetaan etelään korkeintaan joitakin satojatuhansia hehtaareita uutta metsää, kun tarve pelkästään Afrikassa olisi 150 miljoonaa hehtaaria. Sahelissa, jossa sataa keskimäärin tarpeeksi ja jossa ihmiset todella tarvitsevat metsää, puiden määrää on jo lisätty paikallisten asukkaiden omalla työllä pienin, ehkä 30 dollarin hehtaarikohtaisin lisäkustannuksin, etupäässä kotoperäisten puiden luontaisen uudistumisen kautta. Metsätilastoissa nämä puut eivät näy, koska ne kasvavat maatalousmaaksi luokitelluilla alueilla. Suomen kannattaisi ottaa oppia myös niistä omista onnistuneista metsähankkeistaan, joissa on parannettu pienviljelijöiden maankäyttöä. Uusi suomalainen toiminta voitaisiin heti käynnistää tukemalla Euroopan unionin Afrikan viherryttämishanketta (”Regreening Africa”), jota koordinoi Suomen aikaisemmin kiitettävällä tavalla tukema Kansainvälinen peltometsäviljelyn tutkimuskeskus ICRAF Nairobissa Keniassa. Toinen nopea vaihtoehto olisi laajentaa jo käynnissä olevia suomalaisia metsä- ja maaseutukehityshankkeita esimerkiksi Tansaniassa, Etiopiassa, Somaliassa ja Ghanassa. Näillä projekteilla on ammattitaitoinen henkilöstö ja tarvittavat paikalliset kumppanuudet. Olavi Luukkanen kehitysmaiden metsänhoidon professori emeritus, Helsingin yliopisto
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 | 0.001 | 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 | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.045 | 0.009 |
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".