Protecting the patches from the footprints: examining the land use factors associated with forest patches in Atewa range forest reserve
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
Abstract Background Land use practices are noted to contribute to changes in forest landscape composition. However, whereas studies have reported the intermix of land uses and forest patches and measured the direct impacts of land uses on forest patches, little is known regarding the spatially-explicit association between the most recent forest patches and land use footprints in protected areas. In this study, we use methods from GIS, remote sensing, and statistics to model the spatial relationship between footprints of land uses and patches of forest cover by drawing on geospatial data from the Atewa range forest reserve (ARFR). Results The study finds that forest patches that are within 1 km from agricultural land use footprints (AOR = 86.625, C.I. 18.057–415.563, P = 0.000), logging sites (AOR = 55.909, C.I. 12.032–259.804, P = 0.000), mine sites (53.571, C.I. 11.287–254.255, P = 0.000), access roads (AOR = 24.169, C.I. 5.544–105.357, P = 0.000), and human settlement footprints (AOR = 7.172, C.I. 1.969–26.128, P = 0.003) are significantly more likely to be less than the mean patch area (375,431.87 m 2 = 37.54 ha) of forest cover. A ROC statistic of 0.995 achieved in this study suggests a high predictive power of the proposed model. Conclusion The study findings suggest that to ensure sustainable land uses and ecological integrity, there is a need for land use policies and land management strategies that ensure responsible livelihood activities as well as further restrictions on logging and mining in the globally significant biodiversity area.
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 | 0,001 | 0,001 |
| 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