Land Use Change and Policy in Iowa’s Loess Hills
Notice bibliographique
Résumé
<p class="sar-body"><span lang="EN-US">Land use changes have important implications on ecosystems and society. Detailed identification of the nature of land use changes in any local region is critical for policy design. In this paper, we quantify land use change in Iowa’s Loess Hills ecoregion, which contains much of the state’s remaining prairie grasslands. We employ two distinct panel datasets, the National Resource Inventory data and multi-year Cropland Data Layers, that allow us to characterize spatially-explicit land use change in the region over the period 1982-2010. We analyze land use trends, land use transitions and crop rotations within the ecoregion, and contrast these with county and state-level changes. To better comprehend the underlying land use changes, we evaluate our land use characterizing metrics conditional on soil quality variables such as slope and erodibility. We also consider the role of contemporary agricultural policy and commodity markets to seek explanations for land use changes during the period of our study. Although crop production has expanded on the Loess Hills landform since 2005, much of the expansion in corn acres has been from reduced soybean acreage. We find that out of the total 258 km<sup>2</sup> increase in corn acreage during 2005-’10, about 100 km<sup>2</sup> transitioned from soybeans. Data also indicate intensifying monoculture with higher percentage of corn plantings for two to four consecutive years during 2000-’10. In addition, crop production is found to have moved away from more heavily sloped land. Cropping does not appear to have increased on lands with higher crop productivity.</span></p>
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».