Simulating Spatiotemporal Changes in Land Use and Land Cover of the North-Western Himalayan Region Using Markov Chain Analysis
Notice bibliographique
Résumé
Spatial variabilities and drivers of land use and land cover (LULC) change over time and are crucial for determining the region’s economic viability and ecological functionality. The North-Western Himalayan (NWH) regions have witnessed drastic changes in LULC over the last 50 years, as a result of which their ecological diversity has been under significant threat. There is a need to understand how LULC change has taken place so that appropriate conservation measures can be taken well in advance to understand the implications of the current trends of changing LULC. This study has been carried out in the Baramulla district of the North-Western Himalayas to assess its current and future LULC changes and determine the drivers responsible for future policy decisions. Using Landsat 2000, 2010, and 2020 satellite imagery, we performed LULC classification of the study area using the maximum likelihood supervised classification. The land-use transition matrix, Markov chain model, and CA-Markov model were used to determine the spatial patterns and temporal variation of LULC for 2030. The CA-Markov model was first used to predict the land cover for 2020, which was then verified by the actual land cover of 2020 (Kappa coefficient of 0.81) for the model’s validation. After calibration and validation of the model, LULC was predicted for the year 2030. Between the years 2000 and 2020, it was found that horticulture, urbanization, and built-up areas increased, while snow cover, forest cover, agricultural land, and water bodies all decreased. The significant drivers of LULC changes were economic compulsions, climate variability, and increased human population. The analysis finding of the study highlighted that technical, financial, policy, or legislative initiatives are required to restore fragile NWH regions experiencing comparable consequences.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».