MétaCan
Menu
Back to cohort
Record W3116938371 · doi:10.36524/ric.v6i3.869

ANÁLISE AMBIENTAL E HIDROLÓGICA NA BACIA HIDROGRÁFICA DO RIBEIRÃO SÃO LUÍS, MG

2020· article· pt· W3116938371 on OpenAlexaff
Rodolfo Alves Barbosa, Fabrício Rainha Ribeiro, Fernanda Cristina Silva Ribeiro, Herly Carlos Teixeira Dias

Bibliographic record

VenueRevista Ifes Ciência · 2020
Typearticle
Languagept
FieldEnvironmental Science
TopicGeography and Environmental Studies
Canadian institutionsDiscovery Air (Canada)
Fundersnot available
KeywordsHumanitiesEnvironmental sciencePhilosophy

Abstract

fetched live from OpenAlex

A gestão dos recursos hídricos é de fundamental importância para a sociedade, sendo assim necessário definir uma área de atuação para aumentar a efetividade das técnicas; as bacias hidrográficas são consideradas unidades de planejamento e dessa forma a ocupação da terra e a aplicação de técnicas conservacionistas são necessárias para favorecer a infiltração de água no solo e regularizar os cursos d’água. O objetivo deste trabalho é avaliar a dinâmica da água e avaliar as técnicas de manejo conservacionista da cafeicultura na bacia hidrográfica do Ribeirão São Luís. A bacia do São Luís é uma sub-bacia do Rio Manhuaçu, que possui a foz no Rio Doce. Foi realizado um modelo digital de elevação hidrologicamente consistente (MDEHC) para delimitação da área de drenagem da bacia, extração da hidrografia, aspecto e declividade. Foi também adquirido imagens do LandSat 8 OLI e realizada uma classificação supervisionada da cobertura da terra. Três pluviômetros foram avaliados na área da bacia para constatar a variação espacial e temporal da precipitação. Foi feita a caracterização visual da bacia hidrográfica para analisar as práticas agrícolas usadas na cafeicultura. A bacia do Ribeirão São Luís possui área de 242,93 km², relevo fortemente ondulado e montanhoso. A cobertura do solo predominante são as lavouras cafeeiras, abrangendo 30,70% da área total. Houve grande variação temporal da vazão ao longo de 14 meses de avaliação. A ocorrência de chuvas intensas na região de cabeceira da bacia favorece a erosão do solo, sendo assim recomendáveis técnicas conservacionistas para a cafeicultura na bacia hidrográfica do Ribeirão São Luís.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.353
Threshold uncertainty score0.999

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0000.001
Science and technology studies0.0010.001
Scholarly communication0.0000.001
Open science0.0010.002
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0220.013

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.

Opus teacher head0.017
GPT teacher head0.215
Teacher spread0.198 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueRevista Ifes CiênciaSame topicGeography and Environmental StudiesFrench-language works237,207