MétaCan
Menu
Retour à la cohorte
Enregistrement W2752974703 · doi:10.29244/jitl.19.1.6-12

Pengembangan Penggunaan Penginderaan Jauh untuk Estimasi Produksi Padi (Studi Kasus Kabupaten Bekasi)

2019· article· id· W2752974703 sur OpenAlexaff
Eka Rudiana, Ernan Rustiadi, Muhammad Firdaus, Dede Dirgahayu

Notice bibliographique

RevueJurnal Ilmu Tanah dan Lingkungan · 2019
Typearticle
Langueid
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Development and Management
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsHorticultureForestryGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Pemanfaatan produk penginderaan jauh satelit Landsat-8 (OLI) untuk melakukan pendugaan luas area panen dan produktivitas tanaman padi dengan menggunakan parameter Enhanced Vegetation Index (EVI) merupakan salah satu pendekatan baru untuk menghasilkan data estimasi produksi padi wilayah. Berdasarkan hasil analisis citra satelit dengan tanggal akuisisi bulan Mei-Agustus 2015, diperoleh hasil perkiraan luas panen padi sawah di Kabupaten Bekasi periode bulan Juli-Oktober 2015 adalah seluas 15.86 ribu ha atau lebih kecil 7.74 (32.79 %) ribu ha dibandingkan angka BPS pada periode yang sama. Berdasarkan keeratan hubungan antara nilai produktivitas hasil ubinan BPS dengan nilai EVI maksimum, diperoleh model persamaan pendugaan produktivitas tanaman padi sawah sebagai berikut: Produktivitas (ku ha-1) = 36.818 + 44.965 EVI maksimum. Nilai Rsquare yang diperoleh sebesar 0.809. Berdasarkan model tersebut diperoleh pendugaan produktivitas padi sawah di Kabupaten bekasi periode bulan Juli-Oktober 2015 sebesar 47.40 ku ha-1 atau lebih kecil 12.66 ku ha-1 dibandingkan angka produktivitas subround I 2015, lebih kecil 6.77 ku ha-1 dibandingkan angka produktivitas subround II 2015, lebih kecil 10.15 ku ha-1 dibandingkan angka produktivitas subround III 2015, dan lebih kecil 6.62 ku ha-1 dibandingkan angka produktivitas periode Januari-Desember 2015 yang dipublikasikan BPS. Sementara itu, perkiraan produksi padi sawah periode panen bulan Juli- Oktober 2015 berdasarkan analisis citra satelit yakni sebanyak 75.16 ribu ton GKG atau lebih kecil 55.35 ribu ton GKG (42.41%) dibandingkan angka yang dipublikasikan BPS pada periode yang sama. Kata kunci: Enhanced Vegetation Index, Landsat-8 (OLI), estimasi produksi padi

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 GPT0,212
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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Ilmu Tanah dan LingkunganMême sujetAgricultural Development and ManagementTravaux en français237 207