ANÁLISE DA DINÂMICA DO USO E COBERTURA DO SOLO EM BLUMENAU (SC), UTILIZANDO FERRAMENTAS DE GEOPROCESSAMENTO
Bibliographic record
Abstract
Este trabalho teve como objetivo avaliar a dinâmica do uso e ocupação do solo no município de Blumenau através de imagens de satélite Landsat e de ferramentas de geoprocessamento. Foram obtidas imagens do satélite Landsat8, de 23/08/2014, que abrangem o município de Blumenau. As imagens foram classificadas pelo método de Classificação Supervisionada por Máxima Verossimilhança (MaxVer). Analisou-se a dinâmica do uso do solo comparando-se estes dados, com o trabalho realizado por Refosco (2000) para o ano de 1997. Os resultados para a área total de Blumenau apontaram uma diminuição da Vegetação Nativa em 9,0%, um aumento da área de Reflorestamento em 142,4%, um aumento da Área Urbanizada em 31,5%, diminuição da cobertura de Rios e Águas em 13,6% e um aumento da classe Agricultura/Pastagem em 18,6%. Entre 1997 e 2014, ocorreu uma diminuição de área de vegetação nativa e aumento de área urbanizada no perímetro urbano. Apesar de os bairros da região norte serem os que possuem maior cobertura por vegetação nativa, de 1997 para 2014 ocorreu uma diminuição no percentual de Vegetação Nativa em todos os bairros da região Norte e um aumento em sua área de agricultura/pastagem.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".