MétaCan
Menu
Retour à la cohorte
Enregistrement W4239206408 · doi:10.31227/osf.io/hwkxe

Identifikasi Potensi Airtanah pada Area dengan Beragam Bentuklahan Menggunakan Beberapa Parameter Lapangan dan Pendekatan SIG di Kawasan Parangtritis, DIY

2017· preprint· id· W4239206408 sur OpenAlexaff
Tjahyo Nugroho Adji, Emilya Nurjani, DHONI WICAKSONO

Notice bibliographique

Revuenon disponible
Typepreprint
Langueid
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geophysical Studies
Établissements canadiensEncana (Canada)WiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésForestryHydrology (agriculture)PhysicsGeomorphologyEnvironmental scienceGeologyGeographyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Sebuah studi kasus telah dilakukan untuk membuatzona potensi airtanah di daerah sekitar PantaiParangtritis, Provinsi DIY. Tujuan dari penelitianadalah untuk untuk memetakan zona potensiairtanah berdasarkan parameter airtanah yang dapatdisurvei di lapangan pada suatu daerah yangmemiliki variasi bentuklahan yangberagam. Interpretasi sebaran bentuklahan dimulaidengan menyiapkan data pendukung seperti PetaRupa Bumi Indonesia yang berisi informasi gariskontur dan data penggunaan lahan data, peta geologiregional untuk mengetahui kondisi litologi danstruktur geologi, data tanah, iklim, dan datahidrologis awal. Penentuan satuan bentuk lahandilakukan secara manual melalui interpretasi visualdari citra Digital Landsat ETM+ dengan beberapakunci interpretasi yang diperoleh dari data sekunderdan disurvei di lapangan. Selanjutnya dilakukanpengukuran parameter lapangan potensi airtanahyaitu (a) kedalaman muka airtanah, (b) ketebalanakuifer, dan (c) Daya Hantar Listrik (DHL) yangmewakili kualitas airtanah. Zonasi potensi airtanahdiperoleh dengan melakukan overlay semuaparameter lapangan airtanah dengan metode overlaytertimbang menggunakan alat analisis spasial SistemInformasi Geografi (SIG) pada perangkat lunakArcGIS 9.2. Pada proses overlay tertimbang,peringkat yang dihasilkan untuk setiap parameterindividu pada masing-masing parameter lapanganairtanah dibobot berdasarkan tingkat pengaruh yangmereka miliki terhadap potensi airtanah, yaitu,kedalamanan muka airtanah sebesar 35%, ketebalanakuifer sebesar 35%, dan DHL sebesar 30%. Hasilpenelitian menunjukkan bahwa dari seluruh luasanwilayah kajian yang diteliti, mayoritas potensiairtanah tergolong pada kelas baik (49,8%) dansedang (48,7%). Sementara itu, kelas miskin airtanahhanya menempati luasan yang sangat kecil, yaituhanya 1,5% dari total luas wilayah kajian. Sementaraitu, jika ditinjau tiap satuan bentuk lahan, makabentuklahan Beting Gisik mempunyai sebaran potensiairtanah yang paling luas (30,4%), yang disusul olehbentuklahan Dataran Aluvial (11%).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,239
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0040,002
Communication savante0,0020,001
Science ouverte0,0030,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,036
Tête enseignante GPT0,235
Écart entre enseignants0,199 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGeological and Geophysical StudiesTravaux en français237 207