Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "acknowledgement": "The authors gratefully acknowledge icipe, 
2
  "acknowledgement": "The authors gratefully acknowledge icipe, 
            
3
RUFORUM, Ministry of Higher Education and Scientific Research, Sudan, 
3
RUFORUM, Ministry of Higher Education and Scientific Research, Sudan, 
            
4
Mawazo Institute, Kenya and Abdelhautalab Azrag for the support 
4
Mawazo Institute, Kenya and Abdelhautalab Azrag for the support 
            
5
provided.",
5
provided.",
            
6
  "administrative_areas": "Gedaref state",
6
  "administrative_areas": "Gedaref state",
            
7
  "author": null,
7
  "author": null,
            
8
  "author_email": null,
8
  "author_email": null,
            
9
  "citation_narrative": "Osman, M. A. ; Abdel-Rahman, E. M. ; Onono, 
9
  "citation_narrative": "Osman, M. A. ; Abdel-Rahman, E. M. ; Onono, 
            
10
J. O. ; Elhag, M. M.; Olaka, L. A. ; Adan, M.; Tonnang, H.E.Z. 
10
J. O. ; Elhag, M. M.; Olaka, L. A. ; Adan, M.; Tonnang, H.E.Z. 
            
11
Mapping, intensities and future prediction of Land use/Land cover 
11
Mapping, intensities and future prediction of Land use/Land cover 
            
12
dynamics using google earth engine and CA- artificial neural network 
12
dynamics using google earth engine and CA- artificial neural network 
            
13
model. ",
13
model. ",
            
14
  "collaborators": "[{\"collaborator\": \"Maysoon A. A. Osman\"}, 
14
  "collaborators": "[{\"collaborator\": \"Maysoon A. A. Osman\"}, 
            
15
{\"collaborator\": \" Elfatih Abdel-Rahman\"}, {\"collaborator\": 
15
{\"collaborator\": \" Elfatih Abdel-Rahman\"}, {\"collaborator\": 
            
16
\"Joshua Orungo Onono\"}, {\"collaborator\": \"Lydia A. Olaka\"}, 
16
\"Joshua Orungo Onono\"}, {\"collaborator\": \"Lydia A. Olaka\"}, 
            
17
{\"collaborator\": \"Muna M. Elhag\"}, {\"collaborator\": \"Marian 
17
{\"collaborator\": \"Muna M. Elhag\"}, {\"collaborator\": \"Marian 
            
18
Adan\"}, {\"collaborator\": \"Henri E. Z. Tonnang \"}]",
18
Adan\"}, {\"collaborator\": \"Henri E. Z. Tonnang \"}]",
            
19
  "contact_person": "Elfatih Abdel-Rahman",
19
  "contact_person": "Elfatih Abdel-Rahman",
            
20
  "contact_person_email": "eabdel-rahman@icipe.org",
20
  "contact_person_email": "eabdel-rahman@icipe.org",
            
21
  "country": "[{\"country\": \"SD\"}]",
21
  "country": "[{\"country\": \"SD\"}]",
            
22
  "creator_user_id": "f09ec764-fe3c-4069-850b-f968ff0c20bb",
22
  "creator_user_id": "f09ec764-fe3c-4069-850b-f968ff0c20bb",
            
23
  "date_uploaded": "2023-05-18",
23
  "date_uploaded": "2023-05-18",
            
24
  "donor": "icipe core funds - RUFORUM",
24
  "donor": "icipe core funds - RUFORUM",
            
25
  "end_date": "2022-12-31",
25
  "end_date": "2022-12-31",
            
26
  "groups": [],
26
  "groups": [],
            
27
  "id": "0460a9dc-a647-4a19-bf35-33722c2c8799",
27
  "id": "0460a9dc-a647-4a19-bf35-33722c2c8799",
            
28
  "isopen": false,
28
  "isopen": false,
            
29
  "license_id": "cc-nc",
29
  "license_id": "cc-nc",
            
30
  "license_title": "Creative Commons Non-Commercial (Any)",
30
  "license_title": "Creative Commons Non-Commercial (Any)",
            
31
  "license_url": "http://creativecommons.org/licenses/by-nc/2.0/",
31
  "license_url": "http://creativecommons.org/licenses/by-nc/2.0/",
            
32
  "maintainer": "Kennedy Senagi",
32
  "maintainer": "Kennedy Senagi",
            
33
  "maintainer_email": "ksenagi@icipe.org",
33
  "maintainer_email": "ksenagi@icipe.org",
            
34
  "metadata_created": "2023-05-18T07:51:22.064105",
34
  "metadata_created": "2023-05-18T07:51:22.064105",
            
n
35
  "metadata_modified": "2023-05-18T10:09:47.156329",
n
35
  "metadata_modified": "2023-05-18T10:10:02.499568",
            
36
  "name": 
36
  "name": 
            
37
d-future-prediction-of-land-use-land-cover-dynamics-using-ca-and-ann",
37
d-future-prediction-of-land-use-land-cover-dynamics-using-ca-and-ann",
            
38
  "notes": "Mapping of land use/ land cover (LULC) dynamics has gained 
38
  "notes": "Mapping of land use/ land cover (LULC) dynamics has gained 
            
39
significant attention in the past decades. This is due to the role 
39
significant attention in the past decades. This is due to the role 
            
40
plays by LULC change in assessing climate, various ecosystem 
40
plays by LULC change in assessing climate, various ecosystem 
            
41
functions, natural resource activities and livelihoods in general. In 
41
functions, natural resource activities and livelihoods in general. In 
            
42
Gedaref landscape of Eastern Sudan, there is limited or no knowledge 
42
Gedaref landscape of Eastern Sudan, there is limited or no knowledge 
            
43
on LULC structure and size, degree of change, transition, intensity 
43
on LULC structure and size, degree of change, transition, intensity 
            
44
and future outlook. Therefore, the aims of the current study were to 
44
and future outlook. Therefore, the aims of the current study were to 
            
45
(1) evaluate LULC changes in the Gedaref state, Sudan for the past 
45
(1) evaluate LULC changes in the Gedaref state, Sudan for the past 
            
46
thirty years (1988\u20132018) using Landsat imageries and the random 
46
thirty years (1988\u20132018) using Landsat imageries and the random 
            
47
forest classifier, (2) determine the underlying dynamics that caused 
47
forest classifier, (2) determine the underlying dynamics that caused 
            
48
the changes in the landscape structure using intensity analysis, and 
48
the changes in the landscape structure using intensity analysis, and 
            
49
(3) predict future LULC outlook for the years 2028 and 2048 using 
49
(3) predict future LULC outlook for the years 2028 and 2048 using 
            
50
cellular automata-artificial neural network (CA-ANN). The results 
50
cellular automata-artificial neural network (CA-ANN). The results 
            
51
exhibited drastic LULC dynamics driven mainly by cropland and 
51
exhibited drastic LULC dynamics driven mainly by cropland and 
            
52
settlement expansions, which increased by 13.92% and 319.61%, 
52
settlement expansions, which increased by 13.92% and 319.61%, 
            
53
respectively, between 1988 and 2018. In contrast, forest and grassland 
53
respectively, between 1988 and 2018. In contrast, forest and grassland 
            
54
declined by 56.47% and 56.23%, respectively. Moreover, the study shows 
54
declined by 56.47% and 56.23%, respectively. Moreover, the study shows 
            
55
that the gains in cropland coverage in Gedaref state over the studied 
55
that the gains in cropland coverage in Gedaref state over the studied 
            
56
period was at the expense of grassland and forest acreage, whereas the 
56
period was at the expense of grassland and forest acreage, whereas the 
            
57
gains in settlements partially targeted cropland. Future LULC 
57
gains in settlements partially targeted cropland. Future LULC 
            
58
predictions showed a slight increase in cropland area from 89.59% to 
58
predictions showed a slight increase in cropland area from 89.59% to 
            
59
90.43% and a considerable decrease in forest area (0.47% to 0.41%) 
59
90.43% and a considerable decrease in forest area (0.47% to 0.41%) 
            
60
between 2018 and 2048. Our findings provide reliable information on 
60
between 2018 and 2048. Our findings provide reliable information on 
            
61
LULC patterns in Gedaref region that could be used for designing land 
61
LULC patterns in Gedaref region that could be used for designing land 
            
62
use and environmental conservation frameworks for monitoring crop 
62
use and environmental conservation frameworks for monitoring crop 
            
63
produce and grassland condition. In addition, the result could help in 
63
produce and grassland condition. In addition, the result could help in 
            
64
managing other natural resources, and mitigating landscape 
64
managing other natural resources, and mitigating landscape 
            
65
fragmentation and degradation",
65
fragmentation and degradation",
            
n
66
  "num_resources": 1,
n
66
  "num_resources": 0,
            
67
  "num_tags": 7,
67
  "num_tags": 7,
            
68
  "organization": {
68
  "organization": {
            
69
    "approval_status": "approved",
69
    "approval_status": "approved",
            
70
    "created": "2022-05-17T13:51:43.824504",
70
    "created": "2022-05-17T13:51:43.824504",
            
71
    "description": "",
71
    "description": "",
            
72
    "id": "b3f6f7ff-df08-49a0-8959-dc1444685c2f",
72
    "id": "b3f6f7ff-df08-49a0-8959-dc1444685c2f",
            
73
    "image_url": "2022-05-17-135143.809085plant.jpeg",
73
    "image_url": "2022-05-17-135143.809085plant.jpeg",
            
74
    "is_organization": true,
74
    "is_organization": true,
            
75
    "name": "plant-health",
75
    "name": "plant-health",
            
76
    "state": "active",
76
    "state": "active",
            
77
    "title": "Plant Health",
77
    "title": "Plant Health",
            
78
    "type": "organization"
78
    "type": "organization"
            
79
  },
79
  },
            
80
  "owner_org": "b3f6f7ff-df08-49a0-8959-dc1444685c2f",
80
  "owner_org": "b3f6f7ff-df08-49a0-8959-dc1444685c2f",
            
81
  "principal_investigator": "Elfatih Abdel-Rahman",
81
  "principal_investigator": "Elfatih Abdel-Rahman",
            
82
  "principal_investigator_email": "eabdel-rahman@icipe.org",
82
  "principal_investigator_email": "eabdel-rahman@icipe.org",
            
83
  "private": false,
83
  "private": false,
            
84
  "region": "North Africa",
84
  "region": "North Africa",
            
85
  "relationships_as_object": [],
85
  "relationships_as_object": [],
            
86
  "relationships_as_subject": [],
86
  "relationships_as_subject": [],
            
t
87
  "resources": [
t
87
  "resources": [],
            
88
    {

            
89
      "cache_last_updated": null,

            
90
      "cache_url": null,

            
91
      "created": "2023-05-18T10:01:03.165466",

            
92
      "date_last_updated": "2023-05-18",

            
93
      "date_uploaded_resource": "2023-05-18",

            
94
      "description": "",

            
95
      "format": "CSV",

            
96
      "hash": "",

            
97
      "id": "f16fec07-ce48-4a4b-946d-fcd2b6a5f427",

            
98
      "last_modified": "2023-05-18T10:01:03.111798",

            
99
      "metadata_modified": "2023-05-18T10:01:03.132125",

            
100
      "mimetype": "text/csv",

            
101
      "mimetype_inner": null,

            
102
      "name": "Clean data",

            
103
      "package_id": "0460a9dc-a647-4a19-bf35-33722c2c8799",

            
104
      "position": 0,

            
105
      "resource_type": null,

            
106
      "restricted": "{\"allowed_users\": \"\", \"level\": 

            
107
\"public\"}",

            
108
      "size": 64888,

            
109
      "state": "active",

            
110
      "url": 

            
111
esource/f16fec07-ce48-4a4b-946d-fcd2b6a5f427/download/clean-data.csv",

            
112
      "url_type": "upload"

            
113
    }

            
114
  ],

            
115
  "start_date": "2019-11-01",
88
  "start_date": "2019-11-01",
            
116
  "state": "active",
89
  "state": "active",
            
117
  "tags": [
90
  "tags": [
            
118
    {
91
    {
            
119
      "display_name": "Food security",
92
      "display_name": "Food security",
            
120
      "id": "4c9ace73-7e9a-4220-bd8b-aa2a05e317fa",
93
      "id": "4c9ace73-7e9a-4220-bd8b-aa2a05e317fa",
            
121
      "name": "Food security",
94
      "name": "Food security",
            
122
      "state": "active",
95
      "state": "active",
            
123
      "vocabulary_id": null
96
      "vocabulary_id": null
            
124
    },
97
    },
            
125
    {
98
    {
            
126
      "display_name": "Kenya",
99
      "display_name": "Kenya",
            
127
      "id": "4086c084-678a-4a28-81e3-accaff93fdd2",
100
      "id": "4086c084-678a-4a28-81e3-accaff93fdd2",
            
128
      "name": "Kenya",
101
      "name": "Kenya",
            
129
      "state": "active",
102
      "state": "active",
            
130
      "vocabulary_id": null
103
      "vocabulary_id": null
            
131
    },
104
    },
            
132
    {
105
    {
            
133
      "display_name": "MaxEnt",
106
      "display_name": "MaxEnt",
            
134
      "id": "b2bceb37-a4ca-4bf6-9ad5-d6853d4faf10",
107
      "id": "b2bceb37-a4ca-4bf6-9ad5-d6853d4faf10",
            
135
      "name": "MaxEnt",
108
      "name": "MaxEnt",
            
136
      "state": "active",
109
      "state": "active",
            
137
      "vocabulary_id": null
110
      "vocabulary_id": null
            
138
    },
111
    },
            
139
    {
112
    {
            
140
      "display_name": "Sentinel-2",
113
      "display_name": "Sentinel-2",
            
141
      "id": "7ac7ac42-9670-4422-8d65-abdcb8cfffd6",
114
      "id": "7ac7ac42-9670-4422-8d65-abdcb8cfffd6",
            
142
      "name": "Sentinel-2",
115
      "name": "Sentinel-2",
            
143
      "state": "active",
116
      "state": "active",
            
144
      "vocabulary_id": null
117
      "vocabulary_id": null
            
145
    },
118
    },
            
146
    {
119
    {
            
147
      "display_name": "insect pest upsurge",
120
      "display_name": "insect pest upsurge",
            
148
      "id": "c333f254-1978-4b99-a99f-665b69f2267d",
121
      "id": "c333f254-1978-4b99-a99f-665b69f2267d",
            
149
      "name": "insect pest upsurge",
122
      "name": "insect pest upsurge",
            
150
      "state": "active",
123
      "state": "active",
            
151
      "vocabulary_id": null
124
      "vocabulary_id": null
            
152
    },
125
    },
            
153
    {
126
    {
            
154
      "display_name": "species distribution model",
127
      "display_name": "species distribution model",
            
155
      "id": "b5ef492c-b6c6-48ab-93d1-5bf562e5b45f",
128
      "id": "b5ef492c-b6c6-48ab-93d1-5bf562e5b45f",
            
156
      "name": "species distribution model",
129
      "name": "species distribution model",
            
157
      "state": "active",
130
      "state": "active",
            
158
      "vocabulary_id": null
131
      "vocabulary_id": null
            
159
    },
132
    },
            
160
    {
133
    {
            
161
      "display_name": "vegetation index",
134
      "display_name": "vegetation index",
            
162
      "id": "d1d49155-af99-46af-8d2d-534c477aa513",
135
      "id": "d1d49155-af99-46af-8d2d-534c477aa513",
            
163
      "name": "vegetation index",
136
      "name": "vegetation index",
            
164
      "state": "active",
137
      "state": "active",
            
165
      "vocabulary_id": null
138
      "vocabulary_id": null
            
166
    }
139
    }
            
167
  ],
140
  ],
            
168
  "third_party": "no",
141
  "third_party": "no",
            
169
  "title": "Mapping, intensities and future prediction of Land 
142
  "title": "Mapping, intensities and future prediction of Land 
            
170
use/Land cover dynamics using google earth engine and CA- artificial 
143
use/Land cover dynamics using google earth engine and CA- artificial 
            
171
neural network model",
144
neural network model",
            
172
  "type": "dataset",
145
  "type": "dataset",
            
173
  "url": null,
146
  "url": null,
            
174
  "version": null
147
  "version": null
            
175
}
148
}