MétaCan
Menu
Retour à la cohorte
Enregistrement W2346052374 · doi:10.1080/10106049.2015.1132480

Effects of heterogeneous land use/cover types on river channel morphology in the Solo River catchment, Eastern Uganda

2015· article· en· W2346052374 sur OpenAlexfundno aff
Bernard Barasa, Vincent Kakembo, Timothy Mwololo Waema, Macopiyo Laban

Notice bibliographique

RevueGeocarto International · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésHydrology (agriculture)Bed loadChannel (broadcasting)AggradationPlanformGeologyWetlandDrainage basinLand coverBank erosionLand useErosionSedimentFluvialGeomorphologyGeographySediment transportEcologyStructural basin

Résumé

récupéré en direct d'OpenAlex

In the tropics, unmonitored land use/cover types cause significant effects on the narrowing and widening of river channels which affects the integrity of water resources. River channel planform extent was characterized using Landsat images, while water and bedload samples were collected and analysed for a period of one year. The results revealed that in 1986, the channel planform covered 3.7 sq km in length than in 2013 where it increased to 4.2 sq km. Wetland (537.1mgl−1) and bushland (186.3mgl−1) cover types had the highest concentration of suspended sediments. Fine sand (0.25 mm), silty sand (1 mm) and silty clay (0.125 mm) bedload particle types dominated the riverbed along the channel from the sampled land use/cover types. The high concentration of sediments, bedload materials, bank instability, and streamflow were significant contributors to the narrowing and widening of the channel (p < 0.05). Agricultural land use was the major contributor of channel aggradation (0.8 m) and degradation (0.25 m) compared to tree plantations, bushlands, forest and wetland cover types.

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)0,001
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 enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,015
Tête enseignante GPT0,231
Écart entre enseignants0,216 · 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

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeocarto InternationalMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207