Spatial Analysis of Land Surface - Vegetation Relationship in Mountainous Areas of the Tropics Using Srtm-3 Dem
Notice bibliographique
Résumé
Digital elevation models (DEMs) have shown much potential for use in the extraction of land surface parameters and analysis of the relationship between land surface units and vegetation cover. However, there is lack of studies on the use of SRTM-3 DEM in vegetation studies of mountainous regions. This study is therefore an attempt to relate land surface parameters to vegetation cover in the Obudu mountain region using SRTM-3 DEM and Landsat data. Geomorphometric classification of the land surface was done using an unsupervised ISOCLUST algorithm while vegetation cover classification was done using the supervised approach based on the Maximum Likelihood algorithm. The resultant land surface units and vegetation cover maps were then related using grid-based statistic within the geographic information systems. The overall measure of difference between the two maps yielded a chi-square (d.f. = 24) = 1.9154, p > 0.05. This implies that there is no significant difference between the land surface units and the vegetation cover in the study area. This findings support the use of SRTM-3 for land surface and vegetation mapping where there is no higher quality data, or the cost of obtaining one is inhibitive; a situation that is faced by many developing economies like Nigeria. However, this results should be interpreted and used within the context of the uncertainty that is contained in the SRTM-3 DEM.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».