Reliability of Land Use/Land Cover Assessment in Montane Nepal
Notice bibliographique
Résumé
The Kangchenjunga Conservation Area (KCA, Nepal) was the subject of a comparative study on land use/land cover change, using the maps and air photographs available for 2 different years (1978/79 and 1992). Digitized land use maps for 1978 (LUM78) and topographical maps for 1992 (TOPO92) were first interpreted using a Geographic Information System (GIS); this was followed by comparative interpretation of black and white air photographs from the same years. Lelep, Sekhathum–Amjilesa, Syajunma and Ramsyampati were the 4 areas selected for analysis.The initial map interpretation of LUM78 and TOPO92 implied that considerable changes in land use/cover had occurred between 1978/79 and 1992. Forestland was shown to have decreased by 62.5% (23.15 km2), agricultural land to have increased by 35.7% (1.49 km2), and shrubland to have increased by 238.2% (30.16 km2). Grazing land, with an area of 22.57 km2 on the 1978/79 and 1992 imagery, appeared to have disappeared completely by 1992. An interpretation of air photographs for the same period, however, revealed that the actual changes were far smaller than those inferred from the map interpretation: decrease in forest and grazing lands by 14.9% (5.45 km2) and 77.9% (2.75 km2), respectively, and increase in agricultural and shrublands by 4.9% (0.21 km2) and 19.7% (4.41 km2), respectively. The results of a questionnaire survey of the local inhabitants confirmed that no significant changes had occurred. The discrepancies identified highlight the problems inherent in assigning land categories. In particular, distinctions made on the LUM78 material between shrub, grazing land, and barren land were inappropriate. Similarly, forest and shrublands were incorrectly assigned in TOPO92. Caution must be exercised when using such information; verification from other sources is needed.
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 | 0,002 | 0,009 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».