Crowdsourced mapping of land use in urban dense environments: An assessment of Toronto
Notice bibliographique
Résumé
Geo‐located information is increasingly important for regional decision making and spatial assessment. Toronto has witnessed rapid demographic and economic change over the last decades, making the Toronto region the fourth largest economic centre in North America. From a policymaker's perspective, understanding land use for planning purposes is critical for better urban planning. Such information is, however, conditioned by classical surveying and sophisticated remote sensing techniques, which are often costly and spatially not feasible. Only local knowledge and information can really bridge this gap, as urban land use in denser urban regions is often very fine‐grained information. Volunteered geo‐information (VGI) sources are fundamental tools for the assessment of urban land use patterns. This article identifies land use patterns using VGI and offers a comparative assessment with traditionally classified land use features from remote sensing imagery for Toronto. A parcel‐based analysis of the voluntarily shared spatial information is used and extended at a regional level, with an overall accuracy of 75 percent. Additionally, a per‐class analysis confirms which land classes can be well (or poorly) mapped, and what level of disagreement exists between our approach and official records. The findings confirm a promising outlook for harnessing VGI for urban land use mapping for Toronto. La cartographie par externalisation ouverte de l'occupation du sol dans les milieux urbains denses : une évaluation à Toronto Les informations géolocalisées prennent de plus en plus d'importance dans les processus de prise de décision et dans l'évaluation spatiale au niveau régional. Toronto a connu une évolution démographique et économique rapide au cours des dernières décennies, de sorte que cette région est devenue le quatrième centre économique en Amérique du Nord. Pour améliorer l'aménagement du territoire, il est essentiel que les responsables politiques puissent intégrer l'occupation du sol dans la perspective urbanistique. Toutefois, ce type d'information dépend de techniques classiques d'arpentage et de télédétection très poussées, qui sont souvent dispendieuses et inapplicables sur le terrain. Il est possible de combler cette lacune en utilisant des savoirs et informations de nature locale, étant donné que les données sur l'occupation du sol dans les régions urbaines plus denses sont souvent très détaillées. Les sources d'information géographique volontaire (IGV) sont incontournables pour l'évaluation des modes d'occupation du sol en milieu urbain. Dans cet article, on distingue à l'aide d'IGV des modes d'occupation du sol qui font ensuite l'objet d'une évaluation avec les éléments d'occupation du sol conventionnels tirés d'un traitement d'images de télédétection à Toronto. Une analyse des parcelles est menée à partir de l'information spatiale partagée volontairement, puis est élargie à l'échelle régionale avec une précision globale de 75 percent. En outre, une analyse par classes d'occupation du sol permet de vérifier celles qui peuvent être bien (ou mal) cartographiées ainsi que l'écart entre notre approche et les documents officiels. Il en ressort des perspectives prometteuses pour mettre à profit l'IGV afin de réaliser la cartographie de l'occupation du sol en milieu urbain à Toronto.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».