Assessing Riverbank Change Caused by Sand Mining and Waste Disposal Using Web-Based Volunteered Geographic Information
Notice bibliographique
Résumé
River water is one of the most important natural resources for economic development and environmental sustainability. However, river water systems are vulnerable in some of the densely populated regions across the globe. Intense sand mining and waste disposal can lead to river changes, loose foundations, and biodiversity loss. This study aims to develop a web-based geographic information system (GIS) platform to monitor river channel changes and their impacts on river environments due to sand mining and waste burial. The system integrates open-source software, Windows Server 2012, a web server, and PostgreSQL with PostGIS plugins for efficient mapping and storage of geospatial data and volunteered reporting of location events. Interferometric methods, including SNAP2STAMPS Automated Algorithm, persistent scatterer interferometry (PSI), small baseline subset (SBAS), and Snap software, were used to analyze spatial changes of subsidence from Sentinel-1 satellite data from 2021 to 2023 in the Gadar River in Oshnavieh, Iran. The results showed that the maximum subsidence at the riverbank was −10.1 cm due to sand mining, and the maximum uplift was 8.2 cm due to waste landfilling. The average subsidence was reported to be −5.1 cm. The results emphasize spatial analysis, showcasing material mining’s impact on subsidence trends and underscoring the significance of public participation in monitoring river health. Three parameters—completeness, correctness, and quality—were used to validate the system. Validation results showed completeness, correctness, and quality rates of 94.15%, 92.48%, and 86.63%, respectively.
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 | 0,002 |
| 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 ».