Analisa Laju Erosi dan Arahan Penggunaan Lahan Berbasis Sistem Informasi Geografis (SIG) pada DAS Mayang Hulu Kabupaten Jember Jawa Timur
Notice bibliographique
Résumé
Permasalahan yang terjadi di DAS Mayang terutama di wilayah hulu, disebabkan oleh pemanfaatan Sungai Mayang yang tidak tepat oleh masyarakat. Perubahan tata guna lahan di wilayah hulu DAS menyebabkan air hujan yang turun mengalir langsung ke sungai karena kurangnya tumbuhan yang dapat menahannya, sehingga menyebabkan terjadinya erosi dan sedimentasi di Sungai Mayang serta perlu adanya upaya untuk manajemen DAS. Studi ini menggunakan bantuan software ArcGIS yang dikolaborasikan dengan model ArcSWAT untuk perhitungan nilai erosi dan sedimentasi. Hasil simulasi pada kondisi eksisting diperoleh nilai potensi laju erosi 43,356 ton/ha/tahun dan potensi sedimentasi 27,778 ton/ha/tahun. Hasil analisis indeks bahaya erosi diperoleh dua kriteria yaitu sedang dengan luas 28.750 ha atau 64,463 % dari luasan total dan tinggi dengan luas 15.849 ha atau 35,537 % dari luasan total. Berdasarkan hasil simulasi setalah dilakukan arahan penggunaan lahan, nilai potensi laju erosi diperoleh 28,604 ton/ha/tahun dan sedimentasi 17,969 ton/ha/tahun serta nilai indeks bahaya erosi yang lebih rendah dari kondisi eksisting.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».