The spatial distribution of a comprehensive drought risk index in Java, Indonesia
Notice bibliographique
Résumé
Drought is a common hydro-meteorological disaster in several remote regions of Java, Indonesia, due to the limitation of supporting facilities in water supply management. However, little attention has been paid to drought preparedness, especially within drought risk assessment. Since Java is the most densely populated area in Indonesia and has been identified as a national food center, an effective drought risk assessment is needed for drought disaster mitigation. Therefore, a spatial drought risk assessment for the sub-district level was conducted for Java using a framework that considers the combined roles of drought hazard and drought vulnerability. Observed rainfall data from 1294 stations across Java for the time period 1991–2020 were used to define a drought hazard index. Furthermore, a drought vulnerability index was obtained by classifying several indicators that accommodated non-climate aspects. Based on these, an overall drought risk index was obtained by integrating the drought hazard index and drought vulnerability index. The results identified several areas of Java in need of priority government attention for drought disaster mitigation. Of these, the main priorities are regions with a high risk of drought, which were spread across five provinces as follows (percentage represents the number of high drought hazard index values in the sub-district to the total number of sub-districts): Yogyakarta (13.92%), West Java (7.26%), Banten (5.77%), Central Java (6.23%), and East Java (4.32%).
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».