MétaCan
Menu
Retour à la cohorte
Enregistrement W4402956561 · doi:10.18280/ijsdp.190925

Assessment of Food Supply Ecosystem Services and Water Supply Ecosystem Services to Optimise Sustainable Land Use Planning in Samin Watershed, Central Java, Indonesia

2024· article· en· W4402956561 sur OpenAlexvenueno aff
Rahning Utomowati, Suranto Suranto, Suntoro Suntoro, Chatarina Muryani

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFisheries and Aquaculture Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas Sebelas Maret
Mots-clésEcosystem servicesWatershedJavaWater supplyEcosystemEnvironmental resource managementBusinessWater resource managementSustainable developmentEnvironmental scienceLand useEnvironmental planningEcologyEnvironmental engineeringComputer scienceBiology

Résumé

récupéré en direct d'OpenAlex

This research aims to analyze ecosystem services providing food and water as a basis for sustainable land use planning in the Samin watershed.This type of research is a descriptive survey.This research describes spatially the ecosystem services of providing food and water in the research area, which is processed using a Geographic Information System (GIS) with output in the form of an ecosystem services map.The research results show that the Samin watershed Ecoregion is mostly (54%) in the form of Fluvio-volcanic Plain Pyroclastic material and the land cover is dominated by irrigated rice fields (43.69%) influencing the high level of food supply ecosystem services in the Samin watershed, so that the majority (59%) provision of ecosystem services including food is very high.Most of the Samin watershed water supply ecosystem services (72%) are in the high category, influenced by ecoregional conditions and land cover of the Samin watershed.The land cover of the Samin watershed is mostly (72.96%) in the form of land cover which functions for water absorption, and the density of the land cover is mostly (49.721%) including very high density.The research results can be used as a reference for the government in determining policies towards sustainable land use.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,200
Score d'incertitude au seuil0,611

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,227
Écart entre enseignants0,216 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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 revueInternational Journal of Sustainable Development and PlanningMême sujetFisheries and Aquaculture StudiesTravaux en français237 207