Exploration of Potential Groundwater Zones in Nambiyar Watershed, South India using Frequency Ratio and Multi-Influencing Models
Notice bibliographique
Résumé
Groundwater potential is dynamic and fluctuates with respect to draft and recharge. The purpose of this study is to investigate the potential groundwater zones of the Nambiyar watershed in South India utilizing a probability-based bivariate statistical model frequency ratio (FR) and multi-influencing factor approaches (MIF). For this, spatial relationships between ten factors viz. slope, rainfall, lineament and drainage density, geology, geomorphology, soil texture, land use/land cover, well density, topographic wetness index, and groundwater occurrence were assessed. A total of 162 wells were selected for the study, of which 60% (97 dug wells) were used for training the model, and the remaining 40% (65 dug wells) were used for validating the results. The potential groundwater zones were classified into five categories: very low, low, moderate, high, and very high. Very high zones classified using the FR and MIF models are 186 km2 (28.03%) and 97.84 km2 (14%), respectively, whereas very low category areas are 63.29 km2 (9.50%) and 64.02 km2 (9.61%) of the watershed. The results were validated using well data by generating the AUC (area under the curve). The validated results revealed that the AUC for the frequency ratio model was 72%, while the MIF was 62%. This study explores potential groundwater zones using GIS and remote sensing techniques, benefiting government agencies and private sectors for better resource management.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».