MétaCan
Menu
Retour à la cohorte
Enregistrement W2119422917 · doi:10.14350/rig.29731

Landscape changes in a coastal system undergoing tourism development: implications for Barra de Navidad Lagoon, Jalisco, Mexico

2011· article· en· W2119422917 sur OpenAlexaff
Tara L. Holland, José Mariscal Romero, Robin Davidson‐Arnott, Jeffrey A. Cardille

Notice bibliographique

RevueLA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas) · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensUniversité de MontréalUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésTourismGeographyOceanographyFisheryGeologyArchaeologyBiology

Résumé

récupéré en direct d'OpenAlex

In this study, changes in land cover and land use patterns that occurred between 1985 and 2000 in the surrounding basin of the Barra de Navidad coastal lagoon in Jalisco, Mexico are quantified and explained. Two satellite images from 1985 (Landsat TM) and 2000 (Landsat ETM+) were analyzed with supervised classification and ground truthing to evaluate changes in six land use/cover categories: lagoon, agriculture, urban/tourist, tropical dry forest, mangrove and bare substratum. Changes in land use composition were evaluated using a transition matrix and changes to configuration were interpreted using landscape metrics. Results show that urban and tourist areas expanded between 1985 and 2000, mostly at the expense of forested and bare land. Mangroves showed a large relative decrease in area (-39%) and experienced fragmentation. These changes appear to be related to increased sedimentation a fan progradation into Barra de Navidad lagoon. These results may serve as a model for comparison in other systems experiencing multiple stressors, especially changes related to tourism and the intensification of resource extraction.

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 enseignants0,801
Score d'incertitude au seuil0,396

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 technologies0,0010,000
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 Opus0,025
Tête enseignante GPT0,229
Écart entre enseignants0,204 · 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

Citations3
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas)Même sujetLand Use and Ecosystem ServicesTravaux en français237 207