PENGARUH PERUBAHAN TATA GUNA LAHAN TERHADAP NILAI CURVE NUMBER PADA DAS SAROKAH
Notice bibliographique
Résumé
Perubahan tata guna lahan pada suatu DAS akan mempengaruhi karakteristik hidrologi pada DAS tersebut. Selain curah hujan yang ekstrim, perubahan tata guna lahan merupakan salah satu faktor penyebab terjadinya banjir. Penelitian ini dilakukan untuk mengetahui perubahan nilai CN akibat perubahan tata guna lahan pada DAS Sarokah. Analisis tata guna lahan dilakukan dengan melakukan training objek pada data citra satelit Landsat 7, Landsat 8 dan Sentinel 2A. Tata guna lahan DAS Sarokah dalam periode tahun 2002-2013 terdapat pengurangan luasan sebesar 9,03% untuk area sawah dan peningkatan luasan perkebunan sebesar 5,83%. Pada periode 2013 - 2023 terdapat peningkatan luasan lahan terbangun sebesar 3.16% dan penurunan luasan sebesar 5,26% untuk area persawahan. Perubahan tata guna lahan 2023-2042 berdasarkan RTRW Kabupaten, akan terjadi peningkatan luasan lahan terbangun (Built Up) sebesar 29.15% dan 19.69% untuk area persawahan. Namun untuk area hutan/pepohonan dan area perkebunan mengalami pengurangan lahan yaitu 17.36 % dan 23.96%. Berdasarkan perubahan tata guna lahan 2023-2043 kenaikan nilai CN Tahun 2043 pada Sub DAS S15, S6 dan S14 adalah yang tertinggi yaitu 16.5%, 13.2% dan 10.8%.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,010 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».