APLICAÇÃO DE SISTEMA DE INFORMAÇÕES GEOGRÁFICAS PARA SELEÇÃO DE ALTERNATIVAS LOCACIONAIS VISANDO A IMPLANTAÇÃO DE ATERRO SANITÁRIO NA ILHA DO MARAJÓ-PARÁ, BRASIL
Bibliographic record
Abstract
Diversas particularidades integrantes do meio ambiente interferem nas atividades humanas. Os resíduos sólidos são exemplos disso, uma vez que atuam como um dos grandes contribuintes para a degradação ambiental. Os municípios de Salvaterra e Soure, localizados na Ilha do Marajó – estado do Pará, dispõem de uma exuberante riqueza natural, em contrapartida, o manejo dos resíduos sólidos é insatisfatório, particularmente na destinação final, em razão de não dispor de qualquer técnica de recuperação/disposição dos resíduos gerados. À vista disso, este estudo teve como objetivo identificar áreas ambientalmente preparadas para recepção dos impactos de um aterro sanitário nos municípios de Salvaterra e Soure, com o auxílio de ferramentas SIG. A metodologia foi desenvolvida estabelecendo critérios a partir de aspectos ambientais (pedologia, vegetação, declividade e outros). Áreas com características ambientais fortemente sensíveis aos impactos que possam ocorrer com a instalação e operação do empreendimento proposto foram excluídas, permitindo aplicar a ponderação por meio de geoprocessamento nas áreas consideradas menos sensíveis. O método de exclusão permitiu reduzir a área de estudo em 99,3%, resultando em 6 poligonais de diferentes extensões, todos localizados em Salvaterra. Consequentemente uma única área foi escolhida como a alternativa locacional mais adequada para a implantação do aterro sanitário.PALAVRAS-CHAVE: Aspectos Ambientais; Resíduos Sólidos; SIG.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
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".