MétaCan
Menu
Retour à la cohorte
Enregistrement W4401396479 · doi:10.55981/jtl.2024.255

Pengaruh Tutupan Lahan dan Suhu Permukaan Terhadap Potensi Risiko Bencana di Kabupaten Sidoarjo

2024· article· en· W4401396479 sur OpenAlexaff
Siti Nuurlaily Rukmana, Moch Shofwan, Anak Agung Sagung Alit Widyastuty

Notice bibliographique

RevueJurnal Teknologi Lingkungan · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater and Land Management
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésNormalized Difference Vegetation IndexEnvironmental scienceHydrology (agriculture)Land coverFlooding (psychology)Vegetation coverWetlandVegetation (pathology)Physical geographyGeographyForestryLand useClimate changeGeologyCivil engineeringEcology

Résumé

récupéré en direct d'OpenAlex

The dynamic development of the city affects the high use of land. Therefore, changes in the pressure of natural spaces, including conservation spaces, also experience changes in function. The high pressure on natural spaces such as open spaces, water catchment areas, and wetlands has caused a decrease in the ability to absorb and store water during the rainy season. Hence, flooding is commonly occurred, especially in urban areas. This also took place in Sidoarjo Regency, where there has been a significant change in land cover. Prior studies showed that changes in land cover are due to the transformation of built-up area of 13.83% in 2008–2018. This caused an increase in surface temperature, which was initially 23 °C in 2008 to 25 °C in 2018. In addition, the Sidoarjo Regency also has a moderate level of susceptibility to flooding. This research aims to determine the effect of land cover and surface temperature on disaster risk with respect to the five selected hazards. The method used was a quantitative, explorative, and spatial approach. In order to find out the characteristics of land cover, the analysis method was the Normalized Difference Vegetation Index (NDVI). Furthermore, to identify the characteristics of surface temperature distribution, an analysis of Land Surface Temperature (LST) was carried out, followed by a regression analysis using the Statistical Program for Social Science (SPSS). Land cover and surface temperature do not affect the disaster risk in the Sidoarjo Regency, which is the result of this study.Abstrak Perkembangan kota yang dinamis mempengaruhi tingginya penggunaan lahan, sehingga perubahan desakan ruang alami termasuk ruang konservasi juga mengalami perubahan fungsi. Tingginya desakan ruang alami seperti ruang terbuka, kawasan resapan air dan lahan basah mengakibatkan menurunnya kemampuan dalam menyerap dan menampung air pada saat musim hujan, sehingga tidak jarang pula terjadi banjir khususnya di kawasan perkotaan. Hal ini juga terjadi di Kabupaten Sidoarjo, yang telah mengalami perubahan tutupan lahan yang cukup signifikan. Berdasarkan penelitian terdahulu, perubahan tutupan lahan dibuktikan dengan adanya transformasi penggunaan lahan terbangun sebesar 13,83% pada tahun 2008–2018. Hal ini menyebabkan terjadinya peningkatan suhu permukaan, yang awalnya 23 °C pada tahun 2008 menjadi 25 °C pada tahun 2018. Selain itu, Kabupaten Sidoarjo juga memiliki tingkat kerawanan bencana banjir di tingkat sedang. Tujuan penelitian ini yaitu untuk mengetahui pengaruh tutupan lahan dan suhu permukaan terhadap risiko bencana pada lima jenis ancaman bencana terpilih. Metode yang digunakan adalah pendekatan kuantitatif, eksploratif, dan keruangan (spasial). Guna mengetahui karakteristik tutupan lahan, maka metode yang digunakan adalah analisis Normalized Difference Vegetation Index (NDVI). Selanjutnya, guna mengidentifikasi karakteristik persebaran suhu permukaan, maka dilakukan analisis Land Surface Temperature (LST), dilanjutkan dengan analisis regresi menggunakan Statistical Program for Social Science (SPSS). Tutupan lahan dan suhu permukaan tidak mempunyai pengaruh terhadap potensi risiko bencana di Kabupaten Sidoarjo merupakan hasil dari kajian ini.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,388
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,230
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Teknologi LingkunganMême sujetWater and Land ManagementTravaux en français237 207