Pemodelan Spasial Perubahan Penggunaan Lahan di Taman Nasional Gunung Halimun Salak dan Daerah Penyangganya
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Land use activities in Gunung Halimun Salak National Park (GHSNP) that does not comply with the zoning plan of GHSNP cause degradation, deforestation and decreasing GHSNP size, while land use activities intensively in the surrounding of GHSNP (buffer area) that does not comply with the spatial allocation plan may alter landscape configuration that influence ecological processes and biodiversity within national park. Predicting land use and land cover (LULC) change patterns in the future provides important information for identifying areas that vulnerable to changes. Multi-temporal remote sensing data was used to identify LULC, a multi-layer perceptron neural network with a Markov chain model (MLPNN-M) was used to predict LULC in 2025 and to analyze LULC trend, Overlaying analysis was used to analyze the consistency between LULC and spatial allocation regulation in 2025. The results show that LULC in GHSNP and its buffer area consist of prmary forests, secondary forests, mixture crops, plantations, settlements, agriculture, shrubs, and water. The primary forests, secondary forests, mixture crops, and agriculture were predicted to decrease while settlements, plantations and shrubs were predicted to increase. Land conversion trends into secondary forests, plantations, agriculture and shrubs that begin to show centralized patterns within and the boundaries of GHSNP need to be anticipated. In 2025, inconsistency between land use and GHSNP zonation is the existence of mixture crops, plantations, settlements and agriculture outside the special zone whereas inconsistency between land use and spatial allocation regulation is existence of plantations and agriculture in conservation forest, protection forest and production forest.
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.
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 | 0,001 | 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 découle