Analysing Changes in Land Use and Land Cover (LULC) For C81 Catchment of the Free State, South Africa
Notice bibliographique
Résumé
The purpose of the study is to analyse changes in land use and land cover (LULC) from 1990-2018 in the C81 catchment of the Free State, South Africa. It is important to understand the changes of LULC on the catchment and evaluate its impact on environmental aspects. Changes in LULC were examined using remote sensing, and aeronautical reconnaissance coverage geographic information system (ArcGIS). The LULC data was obtained from the South African National Land Cover (SANLC) project. The results of the net change from 1990-2018 with 35 classes of LULC show that the most reduced are forest plantations which decreased from 57.65% to 1.02%, and low shrublands which decreased from 17.08% to 0.16%. However, the most expanded are grasslands which increased from 17.74% to 54.30% and cultivated agriculture which increased from 1.11% to 37.32%. The transition shows that the majority of the LULC changes occurred in grassland with an annual rate of change of 1,31% and forest plantation with an annual rate of change of -2,02%. These changes in LULC may be attributed to population increase, the severity of drought and floods, water scarcity for irrigation, and climate change effects. Grasslands to forest plantations were recorded with the highest changes, which indicated that the area is dominated by agricultural activities. However, plantations or woodlots to wetlands recorded the lowest changes, which indicates low rainfall in the study area for the period under review. Integrated LULC management of this catchment is, therefore, a necessity for the mitigation of environmental degradation.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».