Model Implementasi Bioenginering Sebagai Upaya Mitigasi Longsor
Notice bibliographique
Résumé
Landslide is one of the high frequency disasters that occur in Indonesia. The incident recurs every year with a different location. The fact that landslide hazards are used intensively for agricultural cultivation due to economic considerations. One of the efforts to mitigate this disaster is the Bioenginering implementation approach. Bioenginering activity is the application of landslide hazard area management by managing plants / vegetation. The purpose of this research is to implement a vegetative technology implementation model as an effort to mitigate landslides. Bioenginering implementation is designed with a combination of ecological and socio-economic approaches. The results of this combination are consulted with the affected community and consider various vegetation alternatives. The selected vegetation not only has an ecological function but also an economic function. With these considerations, a vegetation design is obtained with a combination of upper strata (trees), middle and lower strata. For the upper strata it is recommended to plant Petai (Parkia speciosa) and Durian (Durio zibenthinus), for the middle strata, namely Coffee (Coffea arabica) and lower strata plants are pineapple (Ananas commocus). The combination of plants such as the implementation at the field level will be accepted by the farming community, because every certain period of time the farmers will be able to harvest their crops without having to remove the plants or cut down the plants. Maintaining the level of land cover and land use has implications for maintaining the stability of soil moisture conditions which in turn can reduce the threat of landslides in landslide hazard areas.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».