MétaCan
Menu
Retour à la cohorte
Enregistrement W2604153005 · doi:10.23953/cloud.ijarsg.113

Urban Expansion and Loss of Agricultural Land: A Remote Sensing Based Study of Shirpur City, Maharashtra

2017· article· en· W2604153005 sur OpenAlexaboutno aff
Y. J. Mahajan, Shrikant Mahajan, Bharat Patil, Sanjay Patil

Notice bibliographique

RevueInternational Journal of Advanced Remote Sensing and GIS · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHectareGeographyAgricultureAgricultural landLand usePopulationQuarter (Canadian coin)Agricultural economicsUrban expansionUrban areaGeographic information systemForestryCartographyEnvironmental protectionArchaeologyCivil engineeringDemographyEconomyEngineering

Résumé

récupéré en direct d'OpenAlex

In present urban expansion is important field of geographic study. This is an attempt to study the urban expansion and land use pattern of Shirpur city of Dhule district (MS). For that purpose used land landsat images (1991, 2001 and 2011) of Shirpur city. These satellite images further processed and analyzed by GIS software. Shirpur city lies in Shirpur tehsil and administrative head quarter of tehsil. Total population of Shirpur city was 44246 in 1991 that increase up to 76905 in 2011. The total area of Shirpur city is 1113.36 hectares out of that 459.64 hectares area under built up in 1991 that increase 760.16 hectares in 2011. This expansion of city area responsible for loss of agricultural land there were 540.33 hectares in 1991 that has been decline 298.72 hectares in 2011. Finely it is concluded that the growing population and its increasing demands of land for non-agricultural activities responsible for turn agricultural land for built up area, industrial plants, roads and plotting for future growth of city.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil0,218

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 Opus0,023
Tête enseignante GPT0,273
Écart entre enseignants0,250 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Advanced Remote Sensing and GISMême sujetAgricultural Economics and PracticesTravaux en français237 207