Resource-based zoning map for sustainable industrial development in north sinai using remote sensing and multicriteria evaluation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Due to rapid urbanization in Egypt, the need for job creation and redistribution of population became a top priority for the Egyptian government. Creating infrastructure and new industrial zones in Sinai Peninsula can participate in solving the problem. Geographic Information System (GIS) and Spatial Multicriteria Evaluation (SMCE) have been widely used to analyze the land utilization based on the land's potentials and constraints. Using Shuttle Radar Topography Mission (SRTM) digital elevation model, meteorological data and various land use information, a holistic approach involving generation of thematic maps for two themes, natural resources theme and a least-cost theme, was adopted. Data such as accessibility, soil type, land cover, utilities and other ancillary information was employed to arrive at a locale-specifi c prescription for an industrial land use strategy. Analytical hierarchy process was conducted to investigate the resource-based suitability while minimizing cost of development using various spatial data. Expert knowledge was used to weigh factors within the natural resources theme based on three development objectives (scenarios). Running the weighted overlay model for each of the three objectives, three suitability index maps were produced. Potential sites for developing new industrial zones were identifi ed based on the high suitability values for each scenario. Results highlight a good opportunity for developing the middle zones of Sinai (El Hassana and Nekhel divisions) in addition to the coastal belt.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle