Pemetaan Oksigen Terlarut Menggunakan Citra Landsat-8 Studi Kasus Wilayah Pesisir Kota Tuban
Notice bibliographique
Résumé
Teknologi penginderaan jauh merupakan hal yang penting dalam bidang Teknik Sipil untuk mengetahui topografi bumi, siklus hidrologi, dan lain-lain. Pada penelitian ini citra satelit landsat-8 digunakan untuk mengamati seluruh permukaan bumi di bagian Utara Tuban. Pantai Boom juga memiliki potensi sumber daya laut yang tinggi yang harus dijaga. Dalam upaya untuk menjaga kelestarian sumber daya laut yang tinggi yang harus diperhatikan salah satunya adalah oksigen terlarut, semakin besar angka oksigen terlarut (DO) menunjukkan bahwa kualitas air di wilayah tersebut semakin tinggi. Penelitian ini bertujuan untuk menganalisis sebaran oksigen terlarut di wilayah pesisir Pantai Boom Kabupaten Tuban. Metode yang digunakan dalam menganalisis kadar oksigen terlarut adalah dengan memanfaatkan teknologi penginderaan jauh dengan citra satelit Landsat 8. Hasil penelitian ini dapat mengkonfirmasi keadaan daerah pesisir Kota Tuban dari sebaran oksigen terlarut (DO). Hasil analisa menunjukkan bahwa nilai data insitu untuk oksigen terlarut sebesar 0,58 – 5,79 mg/L Klasifikasi derajat pencemaran masuk kategori tercemar ringan. Sedangkan untuk korelasi tertinggi antara data insitu dan data citra oksigen terlarut sebesar 0.654283 artinya korelasi positif sedang. Hasil analisa menggunakan uji Chi-Square H0 ditolak yang artinya ada perbedaan antara oksigen terlarut in-situ dengan oksigen terlarut citra satelit padatahun 2018 sampai dengan 2023.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».