Analysis of Land Surface Temperature and NDVI Using Geo-Spatial Technique: A Case Study of Keti Bunder, Sindh, Pakistan
Notice bibliographique
Résumé
Keti Bunder is a small coastal community situated at about 200 km south east of Karachi. It has four major creeks namely Chann, Hajamro, Kangri (Turchhan) and Khober with an arid subtropical climate and temperature remaining moderate throughout the year. This paper reports the application of an integration of Remote Sensing (RS) and Geographic Information Systems (GIS) for analysis and monitoring of the relationship of land surface temperature (LST) with Normalized Difference Vegetation Index (NDVI) in the area. LST is one of the critical elements in the natural phenomena of surface energy and water balance at local and global extent. [1-5]. Remote sensing in accord with tradition utilizes the NDVI to provide specific information on vegetation abundance to the LST–vegetation relationship. For mapping purposes, satellite images of Landsat-5 ETM+, Landsat-7 TM and Landsat-8 OLI / TIRS images, acquired on March 08, 2000, April 29, 2010 and April 08, 2014 respectively, were used. The results indicate that the maximum land surface temperature increased gradually from 39°C in 2000, to 42°C in 2010 and 45°C in 2014. Due to global warming and climatic changes. Keti Bunder of the Indus delta has experienced a serious condition over the past few years; the local communities have suffered badly from climate change impacts as heavy rainfalls, floods and cyclones have forced people to migrate to other places for their livelihood and shelter. However, mean NDVI value increased to -0.009 in 2014 as compared to 2010 (-0.165), due to several plantations of mangroves being established by the government. In the past, the mangrove forest was degraded due to lack of freshwater and seawater intrusion. The rate of degradation of mangrove forest in the delta was approximately 6 percent per year between 1980 and 1995 and only a small percentage of mangroves are now considered to be healthy [6-7].
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».