MétaCan
Menu
Retour à la cohorte
Enregistrement W3217555177 · doi:10.18280/ijsdp.160614

Land Suitability Assessment for Cassava var. Jarak Towo, Using Determinant Factors as the Strategy Fundament in Hilly Area Jatiyoso-Indonesia

2021· article· en· W3217555177 sur OpenAlexvenueno aff
Mujiyo Mujiyo, Ikhsan Faturahman Suprapto, Aktavia Herawati, Hery Widijanto, Heru Irianto, Erlyna Wida Riptanti, Aulia Qonita

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood and Agricultural Sciences
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas Sebelas Maret
Mots-clésAltitude (triangle)Environmental scienceSowingSampling (signal processing)Land useNonprobability samplingGeographyForestryAgroforestryMathematicsAgronomyEcologyBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

The increasing demand for various creative food industries requires cassava raw material supply which has quality and quantity. This research purpose is to identify land suitability, determining the factors, and the strategy of land management for Jarak Towo production in Jatiyoso District. This research using survey method with the land unit based on altitude as observation design which divided into six, namely 400 masl, 600 masl, 800 masl, 1000 masl, 1200 masl, and 1400 masl, and the sampling point is determined by purposive sampling which each land unit has four repetitions and obtain 24 sample points. The land suitability class assessment was carried out by matching the observation data with cassava-modified growth requirements for the Jarak Towo variety. The results in the area were classified into two classes, namely marginally suitable and not suitable. The land suitability determinant factors were temperature, organic carbon, Total-N, and slope. Land units 3 and 4 are land units which land suitability class can increase if these two locations are used as places for planting cassava var. Jarak Towo with the direction of land management strategies that have been given.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,296
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetFood and Agricultural SciencesTravaux en français237 207