MétaCan
Menu
Retour à la cohorte
Enregistrement W4297523341 · doi:10.5539/jms.v12n2p58

Geoenvironmental Mapping for the Delimitation of Regulated Areas for Use and Occupation

2022· article· en· W4297523341 sur OpenAlexvenueno aff
José Falcão Sobrinho, Francisca Edineide Lima Barbosa, Bruna Lima Carvalho, Vanessa Campos Ales, Nayane Barros Sousa Fernandes, Pedro Henrique Eleoterio de Assis

Notice bibliographique

RevueJournal of Management and Sustainability · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Land Suitability Analysis
Établissements canadiensnon disponible
Organismes subventionnairesFundação Cearense de Apoio ao Desenvolvimento Científico e TecnológicoConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésLegislationSustainabilityNatural resourceGeographyPlan (archaeology)Environmental planningResource (disambiguation)Work (physics)Environmental resource managementNatural (archaeology)Environmental protectionPolitical scienceArchaeologyEnvironmental scienceEcologyEngineeringLawComputer science

Résumé

récupéré en direct d'OpenAlex

The pressure constantly increases for the use and occupation of unexplored areas, concomitantly degrading natural resources. On the other hand, national, state, and municipal laws have arisen to regulate and preserve sites for environmental sustainability, such as Areas of Permanent Preservation (APP) and Legal Reserves. Nevertheless, the significant territorial extension and the multiple legislation make it difficult to define these areas. A relevant instrument to solve this issue is the geoenvironmental mapping of the territory. This work sought to delimit effectively regulated areas for use and occupation based on the geoenvironmental mapping of a section of the municipality of Ubajara, Ceará. Therefore, it was necessary to analyze the hypsometry, slope, water resource, and soil and delimit the APP and Conservation Units. The mapping revealed 15.67% of APP and 37.44% of use and occupation areas, being 46.88% effectively regulated for the use and occupation of the soil with diverse economic activities – such as agricultural, forestry, and pastoral-contemplated in the Ubajara master plan.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,095
Score d'incertitude au seuil0,215

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,227
Écart entre enseignants0,212 · 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 tête enseignante, 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and SustainabilityMême sujetSoil and Land Suitability AnalysisTravaux en français237 207