Mapping soil suitability using phenological information derived from MODIS time series data in a semi-arid region: A case study of Khouribga, Morocco
Notice bibliographique
Résumé
To address the increasing global demand for food, it is crucial to implement sustainable agricultural practices, which include effective soil management techniques for enhancing productivity and environmental conditions. In this regard, a study was conducted to assess the efficacy of utilizing phenological metrics derived from satellite data in order to map and identify suitable agricultural soil within a semi-arid region. Two distinct methodologies were compared: one based on physicochemical soil parameters and the other utilizing the phenological response of vegetation through the application of the Normalized Difference Vegetation Index (NDVI) Modis-time series. The study findings indicated that the NDVI-based approach successfully identified a specific class of soil suitability for agriculture (referred to as S1) that could not be effectively mapped using the multi-criteria analysis (MCAD) method relying on soil physicochemical parameters. This S1 class of soil suitability accounted for approximately 5 % of the total study area. These outcomes suggest that phenological-based approaches offer greater potential for spatio-temporal monitoring of soil suitability status compared to MCAD, which heavily relies on discrete observations and necessitates frequent updates of soil parameters. The approach developed to map the soil-suitability is a valuable tool for sustainable agricultural development, and it can play an effective role in ensuring food security and conducting a land agriculture assessment.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».