MétaCan
Menu
Retour à la cohorte
Enregistrement W4387455470 · doi:10.54254/2753-8818/7/20230119

Using remote sensing approach to analyze vegetation response to drought and landscape changes in arid regions

2023· article· en· W4387455470 sur OpenAlexaff
Qiang Xu

Notice bibliographique

RevueTheoretical and Natural Science · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésShrublandNormalized Difference Vegetation IndexAridVegetation (pathology)Physical geographyLand coverEnvironmental sciencePrecipitationLand useHydrology (agriculture)EcosystemGeographyRemote sensingClimate changeEcologyGeology

Résumé

récupéré en direct d'OpenAlex

Arid regions, characterized by low annual precipitation, unique vegetation, and distinctive hydrological cycles, play a significant role in maintaining ecological balance. However, these regions, with their hostile and remote environments, present unique challenges for field research. This study utilizes remote sensing technology, particularly the Normalized Difference Vegetation Index (NDVI), to evaluate the ecosystem's response to drought and understand the relationship between vegetation variability and other landscape features including elevation, soil type, and changes in land use or land cover. Six sites within the city, each of 100 square kilometers and representing diverse landscapes, were selected for the study. Key datasets describing land features were collected from official and authentic websites. A series of ArcGIS-based data processing methods were applied to discern patterns in the relationship between landscape features and vegetation variability, with a particular focus on periods of wet and dry years. The wet and dry years are identified as 2005 and 2009 respectively, based on average rainfall data. Notably, NDVI values in the wet year are consistently higher than in the dry year, with the greatest differences observed in undeveloped or shrubland areas (sites 3, 5, and 6). In terms of land cover, urban development increases in sites 1, 2, and 4 between 2004 and 2008, while shrubland decreases in sites 3, 5, and 6. This development corresponds to a contraction of vegetation cover. The study areas are primarily characterized by loamy soils, with variations in clay and sand composition. These findings underscore the impacts of rainfall and urban development on vegetation health in arid regions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
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 Opus0,012
Tête enseignante GPT0,253
Écart entre enseignants0,242 · 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 source (Gemma direct ou Codex distillé), 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTheoretical and Natural ScienceMême sujetRemote Sensing in AgricultureTravaux en français237 207