Áreas vulnerables ante fenómenos naturales, microcuenca rio Peshjá, La Unión, Zacapa
Bibliographic record
Abstract
Este estudio se realizó como una contribución al análisis que contribuya a identificar las áreas vulnerables ante fenómenos naturales de la microcuenca río Peshjá, del municipio de La Unión, Zacapa. El estudio de las cuencas hidrográficas del municipio de La Unión, Zacapa, debido a su ubicación en el departamento, en las áreas altas, se ve expuesta a fenómenos hidrológicos extremos. La importancia de la planificación del uso de los suelos, tanto para su uso agrícola, de hábitat, como de la protección de áreas vulnerables a desastres, es de mucha importancia debido a la gran cantidad de precipitación que reciben. Se recabó la información necesaria que generó los datos suficientes de precipitaciones, datos proporcionados por la estación meteorológica del municipio; de texturas, tipos de suelos, cobertura vegetal y forestal, se obtuvieron por medio de muestreos en el campo con GPS, chuzos y bolsas ziploc, las que se trasladaron al laboratorio del Centro Universitario de Oriente y así se identificaron los tipos de texturas; con el programa ArcGis se utilizó la metodología de ponderación de variables, con lo que se concluyó el análisis georeferencial en las distintas áreas de la microcuenca, y se evaluaron los distintos niveles de vulnerabilidad ante fenómenos naturales.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| 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".