IDENTIFYING SUITABLE LOCATIONS FOR MANGROVE PLANTATION USING GEOSPATIAL INFORMATION SYSTEM AND REMOTE SENSING
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. Mangroves provide numerous environmental benefits, such as carbon sequestration, water purification, climate change mitigation, and flood and Tsunami impact reduction. Despite these unique advantages, mangroves are threatened by the combined adverse impacts of human activities and climate change. Therefore, it is essential to implement reasonable practices to avoid further degradation of mangroves and provide efficient workflows to increase their extent. Accordingly, better plantation policies are principally required for their conservation and rehabilitation. In this study, we desired to detect suitable locations for mangrove plantation in coastal areas of Hormozgan Province, Iran. We considered a relatively new Multi Criteria Decision Making (MCDM) technique to combine ten criteria derived from remote sensing in a GIS environment. The Best Worst Method (BWM), as an MDCM technique, was implemented to determine the relative importance of each criterion. Afterward, all criteria were aggregated using the Weighted Linear Combination (WLC) method to produce a mangrove plantation suitability map. Statistical measures, including Overall Accuracy (OA = 95%), Kappa Coefficient (KC = 87.9%), and Area Under Curve (AUC = 98.79%), indicated the high applicability of the implemented method for mangrove plantation site allocation. The produced map could give managers a profound insight into finding optimal spots to plant mangroves.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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