MétaCan
Menu
Retour à la cohorte
Enregistrement W2080099335 · doi:10.5539/jsd.v6n7p123

Spatial Changes in the Wetlands of Lagos/Lekki Lagoons of Lagos, Nigeria

2013· article· en· W2080099335 sur OpenAlexvenueno aff
Jerry N. Obiefuna, P. C. Nwilo, Ajiri Atagbaza, Chukwuma Okolie

Notice bibliographique

RevueJournal of Sustainable Development · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWetlandUrbanizationSwampMangroveGeographyEcologyEnvironmental protection

Résumé

récupéré en direct d'OpenAlex

Lagos metropolis, the current economic capital of Nigeria is a low-lying coastal city endowed with a number of lagoons and wetland ecological assets. Lagos/Lekki Lagoons being the largest with a combined size of 646km2 are fringed on many sides by wetlands. Many of these wetlands have undergone severe spatial changes from rapid urbanization in the past three decades. The precise nature of these changes is largely unknown and unreported. As the area is experiencing intense development pressure, this study therefore examined the spatial changes in the wetlands fringing these lagoons using the integrated approach of remote sensing data and GIS with topographic maps providing baseline data. The objective is to quantify and establish the precise location and magnitude of these changes over the years from 1984 to 2006. Two types of wetlands are prevalent in the Lagos area namely: the swamps and mangroves. ENVI software was used along with parallelepiped supervised classification in processing the Landsat images. Results show that the mangrove wetlands decreased from 88.51km2 to 19.95km2 at -3.12km2 annually while swamps decreased from 344.75km2 to 165.37km2 at - 8.15km2 annually both between 1984 and 2006. Results further show that mangroves which were widespread in seven council areas around these lagoons in 1984, have dwindled to only four councils in 2006. These decreases are attributable to urban development pressures. Some of the implications of these losses and conservation issues are briefly highlighted.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,052
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,198
Écart entre enseignants0,191 · 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 source (Gemma direct ou Codex distillé), 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

Citations40
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetLand Use and Ecosystem ServicesTravaux en français237 207