Mapping seasonal flood-recession cropland extent in the Senegal River Valley
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Flood-recession agriculture (FRA) represents a crucial source of livelihood for numerous communities across Africa who reside near expansive floodplains and wetlands. However, it is currently insufficiently monitored. In this study, we present a methodology for mapping FRA harvested areas in the Senegal River Valley that is both reproducible and scalable. Our methodology entails the integration of optical and radar data from Sentinel platforms, conducted through a multitemporal analysis with a seasonal focus, and the application of the Random Forest algorithm. The results, supported by a kappa coefficient of 91.9%, demonstrate the first comprehensive mapping of FRA in the Senegal River valley, conducted between 2019 and 2023. This mapping facilitates the identification of the hydrological factors that influence FRA harvesting. The results of the analyses have demonstrated the importance of interannual variability in the cultivated areas of FRA, which range from 14,000 to 75,000 ha depending on the intensity of the annual flood. The duration and flooded extension are the primary factors that regulate the cropping pattern of FRA over the floodplain. The flood duration must be around 35 days to permit the cultivation, with growth generally starting between 10 and 30 November. In consideration of these findings, we recommend that future water management strategies and rural development initiatives give due consideration to FRA, to enhance the visibility of farmers.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle