Analisis Kerawanan Banjir Berbasis Sistem Informasi Geografis Sebagai Upaya Mitigasi Pada DAS Kedunggaleng Kabupaten Probolinggo
Notice bibliographique
Résumé
DAS Kedunggaleng merupakan salah satu DAS di Wilayah Sungai Welang-Rejoso yang seringkali mengalami banjir akibat luapan sungai Kedunggaleng. Oleh sebab itu, diperlukan adanya peta rawan banjir untuk memberikan informasi mengenai bencana banjir pada DAS tersebut. Pemetaan daerah rawan banjir dilakukan melalui pemanfaatan Sistem Informasi Geografis (SIG) berdasarkan parameter hujan rancangan, kemiringan lereng, ketinggian lahan, jenis tanah, penggunaan lahan, dan kerapatan sungai. Berdasarkan hasil analisis, didapatkan bahwa daerah Sangat Tidak Rawan seluas 2,78 km2 (1%), Tidak Rawan seluas 90,30 km2 (33,8%), Sedang seluas 121,61 km2 (45,5%), Rawan seluas 30,58 km2 (11,5%) , dan Sangat Rawan seluas 21,72 km2 (8,1%) yang mendominasi daerah hilir DAS. Berdasarkan peta rawan banjir tersebut, dilakukan arahan mitigasi banjir melalui perencanaan embung kecil, kolan retensi, dan sistem peringatan dini. Hasil analisis menunjukkan bahwa terdapat tujuh buah embung kecil dan kolam retensi yang direncanakan dapat mereduksi volume pada saat debit puncak banjir sebesar 2,3% sampai 11,6% pada setiap sub-DAS embung dan 1,48% sampai 15,49% pada setiap catchment area kolam retensi. Kemudian, tingkan status sistem peringatan dini dilakukan berdasarkan tinggi muka air sungai dan didapatkan bahwa tinggi muka air pada kelas Normal 0,20 - 0,57 meter, Waspada 0,57 – 0,93 meter, Siaga 0,93 – 1,30 meter, Awas >1,30 meter.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,002 |
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 ».