Dynamic simulation of land-use changes in a periurban agricultural system
Notice bibliographique
Résumé
Studying the driving forces of land-use change dynamics (LUCD) is important for understanding the change process. A spatially explicit simulation model helps to test hypotheses about landscape evolution under several scenarios. This paper presents a dynamic simulation model of land-use change (LUC) of the Nong Chok area in Central Thailand. Simulation of LUCD has been performed integrating remote sensing, geographic information systems (GIS), and the dynamic simulation toolkit. The model is a cellular automata model that has been developed on the basis of selected spatial and human driving forces. This study was conceived for the simulation of LUC, in particular, from paddy fields to fishponds. The model was run for 19 years from 1981 to 2000. Data describing present and historic land-use patterns were derived from aerial photographs. Transition functions were developed using the ID3 algorithm of the LUC data sets. The model uses as its input a land-use map (1981) and spatial and human variables: distance to canal and age, ownership, religion, education, and family size of the farmers. The results of the simulation showed substantial ability of the model to diffuse fishponds. To validate this spatial simulation model of LUCD, the simulated maps were compared with the reference land-use maps using a set of landscape indices: number of fishpond cells, patch density, mean patch size, edge density, fractal dimension, and mean nearest neighborhood.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».