MétaCan
Menu
Retour à la cohorte
Enregistrement W1726670001 · doi:10.29244/jitl.9.2.63-70

Agricultural Land Conversion and Land Use Change Dynamics in North Bandung Area

2007· article· en· W1726670001 sur OpenAlexaff
Agus Ruswandi, Ernan Rustiadi, Kooswardhono Mudikdjo

Notice bibliographique

RevueJurnal Ilmu Tanah dan Lingkungan · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Agroindustry Studies
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésAgricultureAgricultural landLand useGeographyAgricultural economicsForestryAgricultural scienceEnvironmental scienceEconomicsEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Agricultural land conversion is considered as one of an important issus in the developing areas. In spite of theimportance of informations on the quantity and the rate of land conversion as the basis of formulating the agricultural landconversion policy, those informations are limited. This research was conducted at Lembang and Parongpong Sub-District,Bandung District. The objectives of research are to identify the rate of agricultural land conversion and to measure thedynamic change of land use. Land use in 1992 and 2002 was evaluated by interpretating the result of 1992 and 2002 landsatimage using Geographic Information System (GIS) program. Shift Share analysis was conducted to know the dynamic changeof land use. Results of the study indicated that land conversion at Lembang and Parongpong Sub-District during the period of1992-2002 (ten years) about 3,134.49 ha (25%) or 313.5 ha (2,96%) per year. Forestland reduced the most, from 5,470 ha in 1992 to 1,746 ha in 2002 or reduced about 3,732.12 ha (68%) in ten years. While area of the bush was increased about2,780.20 ha (1,326%) during the same period, from 210 ha in 1992 to 2,990 ha in 2002. Low land was decreasedfrom 252 hain 1992 to 95 ha in 2002, up land was decreased from 3,856 ha in 1992 to 2,736 ha in 2002, mix farming was increasedfrom2,491 ha in 1992 to 4,358 ha in 2002, resettlement was increased from 359 ha in 1992 to 1,612 ha in 2002, bare wasdecreasedfrom 1,115 ha in 1992 to 217 ha in 2002, lake was decreasedfrom 52 ha in 1992 to 50 ha in 2002.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,100
Score d'incertitude au seuil0,915

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,212
Écart entre enseignants0,177 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Ilmu Tanah dan LingkunganMême sujetAgriculture and Agroindustry StudiesTravaux en français237 207