Potential Aquaculture Practices In Saline Waterlogged Land Using Geospatial Approach Rohtak District (Haryana)
Notice bibliographique
Résumé
For farmers whose agricultural land had been waterlogged and therefore unusable for years, there is some good news. Currently, the state administration is working to turn the flooded fields into ponds that can be used for fish aquaculture. In order to replace the "Green Revolution" with the "Blue Revolution,” The study focuses on the waterlogging issues and aquaculture potential in Rohtak district, Haryana, India, utilizing spatial and non-spatial data. Rohtak district spans 1,745 square kilometers, representing 3.9% of Haryana's total area. With average annual rainfall of 592 mm, the region experiences significant waterlogging, especially during the southwest monsoon season. Landsat-8 satellite imagery from 2022 was analyzed using unsupervised classification and the Normalized Difference Water Index (NDWI) to identify waterlogged areas. The depth of the water table and salinity levels (EC values) were also assessed using groundwater data. Results indicate that 42,229.4 hectares are severely waterlogged, while 82,693.8 hectares have salinity levels slightly unfavorable for aquaculture. Based on water depth, 12,061.7 hectares have excellent aquaculture potential, whereas 54.1% of the district is only slightly suitable for aquaculture. This study provides insights into water management challenges and opportunities for aquaculture development in the district.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».