Déforestationthumb|Déforestation par brûlage, pour mise en culture, Sud du Mexique. thumb|Image satellite montrant l'état relativement déboisé du plateau du Korat et de la plaine centrale de Thaïlande par rapport aux territoires voisins. thumb|Culture de caféiers, au détriment de la jungle australienne du Queensland, ici à Kuranda, vers 1900. thumb|Quand il n'y a ni route, ni fleuve à proximité, ou pour échapper à la surveillance des satellites, le bois peut être découpé sur place, à la tronçonneuse, puis utilisé sur place ou transporté sous forme de planches, à dos d'homme.
Deforestation and climate changeDeforestation is a primary contributor to climate change, and climate change affects forests. Land use changes, especially in the form of deforestation, are the second largest anthropogenic source of atmospheric carbon dioxide emissions, after fossil fuel combustion. Greenhouse gases are emitted during combustion of forest biomass and decomposition of remaining plant material and soil carbon. Global models and national greenhouse gas inventories give similar results for deforestation emissions.
Analyse spatialevignette|200px|Carte de cas de choléra pendant l'épidémie de 1854 à Londres L'analyse spatiale est une approche géographique qui étudie les localisations et les interactions spatiales en tant que composantes actives des fonctionnements sociétaux. Elle part du postulat selon lequel l'espace est acteur organisé. C'est une science nomothétique donc elle vise à proposer une approche modélisée de l'espace géographique en mettant en évidence des formes récurrentes d'organisation spatiales et des théories, notamment à travers diverses notions-clés : distance, réseaux, structure, .
Forêt tropicalethumb|Forêt tropicale primaire de Bébour (Île de La Réunion). La forêt tropicale est la forêt caractéristique des régions tropicales et équatoriales. Sous ce terme se cachent des réalités très différentes, des forêts tropophiles, composées d'arbres assez épars poussant sous un climat tropical de savane, à la forêt dite tropicale humide dans des zones à climat équatorial, en passant par les forêts de nuages relativement froides.
Tropical rainforestTropical rainforests are rainforests that occur in areas of tropical rainforest climate in which there is no dry season – all months have an average precipitation of at least 60 mm – and may also be referred to as lowland equatorial evergreen rainforest. True rainforests are typically found between 10 degrees north and south of the equator (see map); they are a sub-set of the tropical forest biome that occurs roughly within the 28-degree latitudes (in the equatorial zone between the Tropic of Cancer and Tropic of Capricorn).
Seasonal tropical forestSeasonal tropical forest, also known as moist deciduous, semi-evergreen seasonal, tropical mixed or monsoon forest, typically contains a range of tree species: only some of which drop some or all of their leaves during the dry season. This tropical forest is classified under the Walter system as (i) tropical climate with high overall rainfall (typically in the 1000–2500 mm range; 39–98 inches) and (ii) having a very distinct wet season with (an often cooler “winter”) dry season.
Forêts décidues sèches tropicales et subtropicalesLes forêts décidues sèches tropicales et subtropicales ou forêts tropophiles forment l'un des quatorze grands biomes terrestres où la végétation de type caduc est omniprésente lors de la saison sèche. Ces forêts occupaient en 2009, .
DonnéeUne donnée est ce qui est connu et qui sert de point de départ à un raisonnement ayant pour objet la détermination d'une solution à un problème en relation avec cette donnée. Cela peut être une description élémentaire qui vise à objectiver une réalité, le résultat d'une comparaison entre deux événements du même ordre (mesure) soit en d'autres termes une observation ou une mesure. La donnée brute est dépourvue de tout raisonnement, supposition, constatation, probabilité.
PrévisionLa prévision est une . D'une façon générale, . Dans un sens plus restrictif, en épistémologie contemporaine, la prévision se distingue de la prédiction, qui est issue d'une loi ou théorie scientifique hautement confirmée ou corroborée, tandis que la prévision découle d'hypothèses ou de conjectures moins assurées. La prévisibilité et la prédictibilité désignent la possibilité que certains événements ou phénomènes soient prévus ou prédits à partir d'une hypothèse ou d'une théorie scientifique et de conditions initiales appropriées.
Forêts décidues humides tropicales et subtropicalesLes forêts décidues humides tropicales et subtropicales ou forêts humides de feuillus tropicales et subtropicales (abréviation anglophone parfois utilisée dans des publications : «TSMF», ou FTSH en français), ou plus communément les forêts tropicales humides constituent un biome des zones intertropicales caractérisé par une formation végétale arborée haute et dense formée d'espèces à feuilles caduques, ainsi qu'un climat chaud et très humide.
Apprentissage profondL'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.
Forêt amazoniennevignette|Les bords du fleuve Amazone dans l'État brésilien du Pará. La forêt amazonienne (en portugais floresta amazônica ; en espagnol selva amazónica ; ), également connue sous le nom d'« Amazonie » ou « jungle amazonienne », est une forêt équatoriale d'Amérique du Sud couvrant la totalité du bassin amazonien ainsi que des zones périphériques comme le plateau des Guyanes. Elle s'étend sur , principalement au Brésil (63 %).
Prévision météorologiqueLa prévision météorologique est une application des connaissances en météorologie et des techniques modernes de prises de données et d’informatique pour prévoir l’état de l’atmosphère à un temps ultérieur. L’histoire de la prévision du temps remonte aux temps immémoriaux avec les oracles et devins mais la science moderne date vraiment de la fin du et du début du . Elle s’est cependant affirmée depuis la Seconde Guerre mondiale alors que les moyens techniques comme le radar et les communications modernes ont rendu l’accès aux données plus rapide et plus nombreuses.
Modèle de langageEn traitement automatique des langues, un modèle de langage ou modèle linguistique est un modèle statistique de la distribution de symboles distincts (lettres, phonèmes, mots) dans une langue naturelle. Un modèle de langage peut par exemple prédire le mot suivant dans une séquence de mots. Un modèle de langage n-gramme est un modèle de langage qui modélise des séquences de mots comme un processus de Markov. Il utilise l'hypothèse simplificatrice selon laquelle la probabilité du mot suivant dans une séquence ne dépend que d'une fenêtre de taille fixe de mots précédents.
Tropical vegetationTropical vegetation is any vegetation in tropical latitudes. Plant life that occurs in climates that are warm year-round is in general more biologically diverse that in other latitudes. Some tropical areas may receive abundant rain the whole year round, but others have long dry seasons which last several months and may vary in length and intensity with geographic location. These seasonal droughts have great impact on the vegetation, such as in the Madagascar spiny forests. Rainforest vegetation is categorized by five layers.
Service écosystémiqueLes écosystèmes procurent de nombreux services dits services écologiques ou services écosystémiques. Certains étant vitaux pour de nombreuses espèces ou groupes d'espèces (comme la pollinisation), ils sont généralement classés comme bien commun et/ou bien public. Les notions d'évaluation (économique et parfois marchande) de la biodiversité et des services fournis par les écosystèmes, basées sur une vision anthropocentrée de la nature, ont émergé dans les années 1970-1990 avec notamment les travaux de Westman (1977), puis de Randall (1988), Pearce & Moran en 1994 et de Perrings (1995).
Processus autorégressifUn processus autorégressif est un modèle de régression pour séries temporelles dans lequel la série est expliquée par ses valeurs passées plutôt que par d'autres variables. Un processus autorégressif d'ordre p, noté AR(p) est donné par : où sont les paramètres du modèle, est une constante et un bruit blanc. En utilisant l'opérateur des retards, on peut l'écrire : Un processus autorégressif d'ordre 1 s'écrit : On peut formuler le processus AR(1) de manière récursive par rapport aux conditions précédentes : En remontant aux valeurs initiales, on aboutit à : Il est à noter que les sommes vont ici jusqu'à l'infini.
Perte de la biodiversitévignette|redresse=1.5|Selon le Rapport planète vivante 2016 de WWF, l'indice planète vivante affiche un déclin de 58 % des populations mondiales de vertébrés entre 1970 et 2012. La perte de la biodiversité, appelée aussi déclin de la biodiversité ou érosion de la biodiversité ou effondrement de la biodiversité, est une crise écologique qui implique l'extinction d'espèces (végétales ou animales) dans le monde entier, ainsi que la réduction ou la perte locale d'espèces dans un habitat donné, et la disparition d'écosystèmes.
Science des donnéesLa science des données est l'étude de l’extraction automatisée de connaissance à partir de grands ensembles de données. Plus précisément, la science des données est un domaine interdisciplinaire qui utilise des méthodes, des processus, des algorithmes et des systèmes scientifiques pour extraire des connaissances et des idées à partir de nombreuses données structurées ou non . Elle est souvent associée aux données massives et à l'analyse des données.
Autoregressive integrated moving averageIn statistics and econometrics, and in particular in time series analysis, an autoregressive integrated moving average (ARIMA) model is a generalization of an autoregressive moving average (ARMA) model. To better comprehend the data or to forecast upcoming series points, both of these models are fitted to time series data. ARIMA models are applied in some cases where data show evidence of non-stationarity in the sense of mean (but not variance/autocovariance), where an initial differencing step (corresponding to the "integrated" part of the model) can be applied one or more times to eliminate the non-stationarity of the mean function (i.
