Spatio-Temporal Dynamics of Land Use and Land Cover Change in the Agricultural Plains of Cul-de-Sac, Maribahoux, and Léogâne (1997–2024): An Analysis Using Remote Sensing and Landscape Metrics
Notice bibliographique
Résumé
In Haiti, uncontrolled urbanization is increasing pressure on agricultural landscapes, compromising both their ecological integrity and productivity. This study examines spatio-temporal land-use changes across three agricultural plains, Cul-de-Sac, Maribahoux, and Léogâne, between 1997 and 2024, using Landsat imagery and landscape metrics of composition (percentage of landscape, PLAND) and configuration (largest patch index, LPI). The findings reveal a rapid expansion of built-up areas, primarily at the expense of farmland. In the Cul-de-Sac plain, built-up areas and bare soil grew by 152%, from 41.26 km2 to 104.11 km2, while agricultural land became highly fragmented (LPI dropping from 94.51% to 57.63%). In Maribahoux, urbanization was more moderate, partly offset by a temporary rise in woody vegetation that peaked at 20.04% in 2022 before declining. The Léogâne plain experienced a 17.38 km2 increase in built-up areas and bare soil, alongside a slight decrease in woody vegetation. Population density showed limited differences in Maribahoux and Léogâne, but marked disparities in Cul-de-Sac, where landscape transformation was more pronounced. These findings highlight increasing fragmentation of agricultural landscapes, threatening ecological connectivity and functionality, and stress the urgent need for land-use planning that curbs urban growth, protects farmland, and safeguards biodiversity.
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 | 0,000 | 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 | 0,000 | 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 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 ».