MétaCan
Menu
Retour à la cohorte
Enregistrement W2610609606 · doi:10.5555/arwg.12.1-2.l2p14j2833g2q4l7

Land-Use Change and Climate-Change Patterns of the Cameron Highlands, Pahang, Malaysia

2009· article· en· W2610609606 sur OpenAlexvenueno aff
Muhammad Barzani Gasim, Salmijah Surif, Mohd Ekhwan Toriman, Sahibin Abd Rahim, Rahmah Elfithri, Pan Ia Lun

Notice bibliographique

RevueArab world geographer · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDrainage basinHydrology (agriculture)Land useLongitudeGeographyClimate changePhysical geographyUrbanizationLatitudeLand use, land-use change and forestryEnvironmental scienceAgricultureAgricultural landForestryEcologyGeologyBiologyCartography

Résumé

récupéré en direct d'OpenAlex

The study area is located in the southern part of the Cameron Highlands region of Malaysia, at longitude 101°20′ to 101°35′ E and latitude 4°19′ to 4°31′ N. This study was conducted to determine land-use categories, the percentage of land-use changes, and their impact on the Bertam River catchment by reference to 1984, 1995, and 2002 land-use maps. At least six categories of land use were noted during the 18-year observation period: forests (reduced by 7 615 ha from 1984 to 2002), tea farms (reduced by 657 ha), bodies of water (reduced by 61 ha), urbanization (increased by 125 ha), agriculture (increased by 2 488 ha), and neglected areas (increased by 5 719 ha). Four climatic parameters—rainfall, evaporation, temperature, and relative humidity—were analyzed, and a total of 18 hydrological sampling stations were identified along the Bertam River. The results show that the Bertam River catchment was influenced by climate patterns. The velocity and discharge of the Bertam River at the first sampling point ra...

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 enseignants0,028
Score d'incertitude au seuil0,056

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,018
Tête enseignante GPT0,215
Écart entre enseignants0,197 · 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

Citations12
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArab world geographerMême sujetHydrology and Watershed Management StudiesTravaux en français237 207