MétaCan
Menu
Retour à la cohorte
Enregistrement W2303519804 · doi:10.5539/jgg.v8n1p41

Landscape Changes and Fragmentation Analysis in a Guinea Savannah Ecosystem: Case study of Talensi and Nabdam Districts of the Upper East region, Ghana

2016· article· en· W2303519804 sur OpenAlexvenueno aff
Steve Ampofo, Isaac Sackey, Boateng Ampadu

Notice bibliographique

RevueJournal of Geography and Geology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFragmentation (computing)GeographyLand coverPhysical geographyCategorical variableSatellite imageryForestryEcologyCartographyRemote sensingLand useMathematicsBiologyStatistics

Résumé

récupéré en direct d'OpenAlex

Landcover change is an observed natural change dynamics at both the local and regional levels. However, its scales are exacerbated by human interaction with its natural environment. The study examines these spatio-temporal changes in landcover and the level to which the change is accompanied by fragmentation of the identifiable cover types in the Talensi and Nabdam districts in Northern Ghana. The research uses digital classification of Landsat satellite imagery for 1999 and 2007 to produce the cover types which results in good accuracy levels of 66.39% and 63.03% respectively. Fragmentation analysis of the landscape was computed using FRAGSTATS® software for categorical maps obtained from the classified landcover maps for the two years. All cover types increased marginally. However, Bare areas decreased by as much as 17.17% and that of water decreased from 3% to 1%. The changing landscape involving conversions within and among various cover types is accompanied by fragmentation in all classes but more pronounced in the Bare class. The Bare class type which has more patches corresponds to the class with increased cover size and rather strangely decreases in the mean path size.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,008
Score d'incertitude au seuil0,440

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,193
Écart entre enseignants0,185 · 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 tête enseignante, 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

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geography and GeologyMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207