Analysis of Desertification in the Upper East Region (UER) of Ghana Using Remote Sensing, Field Study, and Local Knowledge
Notice bibliographique
Résumé
Remote sensing (RS) techniques based on multispectral satellite-acquired data have demonstrated an unequalled potential to detect, quantify, monitor, and map land degradation. However, RS data alone do not provide information on how land degradation affects the socio-political aspects and the economy of the population living in the affected regions. We developed the Continuous Cycle of Land Degradation (CCoLD) to quantify the severity of the land degradation in the Upper East Region (UER) of Ghana and combined it with the RS-based Normalized Difference Vegetation Index (NDVI) using Global Inventory Modeling and Mapping Studies (GIMMS) NDVI, ground data, and food-production data. In addition, we carried out a field study in the UER, a semi-arid transitional region that plays an important food-production role in Ghana, and compared the results with multi-temporal RS imagery. As well as the general ground measurements, the field study included questionnaires asking local residents to assess the impact of land degradation on their quality of life. The RS data show widespread localized degradation; the field study, supported by crop-production data, also suggests overall extensive land degradation. However, field evidence suggests ecological succession where locally adapted horsetail grasses were displaced by environmentally efficient, short-lived, quick-maturing, and dense grasses. A convergence of evidence suggests that land degradation is in the advanced stage and that more focused, community-based efforts would be needed to combat land degradation and restore the ecosystem's integrity.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».