Analysis and prediction of land cover changes using the land change modeler (<scp>LCM</scp>) in a semiarid river basin, Iran
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 Predicting future land cover (LC) changes is an important step in the proper planning and management of watersheds. As a susceptible area to salinity and desertification, receiving only about 195 mm rainfall annually, the Hable‐Rud River basin is especially sensitive to land use/cover changes. Based on corrected LANDSAT satellite images for the years 1986, 2000, and 2017, the LC were extracted using the maximum likelihood (ML) method. LC changes were predicted by applying the land change modeler (LCM) for the basin. The kappa index for classification in 1986, 2000, and 2017 was 75, 78, and 81%, respectively. Using LCM, the prediction was accomplished for the year 2017 with a kappa index of above 74%. The LC map was predicted for year 2040. The analysis indicates that over the past 32 years, bare land, saline land, agricultural, industrial, and residential areas have increased by about 8, 6.2, 2.7, 0.63, and 0.48%, respectively; while rangeland area was decreased by 18%. Results also indicate that given the predicted LC for year 2040 in comparison with the reference year (2017), saline land, agricultural, industrial, and residential areas will be likely to continue to increase by about 3, 1.5, 0.7, and 0.8%, respectively, whereas bare land and rangeland will most likely decrease by about 4.55 and 1.45%, respectively. The findings of this study assist in analyzing the future trends of LC changes in the basin. This information can be used as a guide for land planners and managers in future land use planning of the 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 | 0,000 | 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 | 0,000 | 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 découle