Use of Geospatial Techniques in Monitoring Urban Expansion and Land Use Change Analysis: A Case of Lahore, Pakistan
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
Rapid urban expansion and resultant temporal land use changes have a profound effect on the city’s environment and its surroundings. Due to its significance, it is essential to evaluate the urban expansion patterns and land use change analysis of mega cities of the world. For land use change detection, multi-source & multi-temporal satellite images along with GIS & remote sensing (RS) techniques are significant aspects in analyzing urban expansion all over the world. In present study, two image data sets of the Landsat system in 7/ETM+ and 8/OLI modes, along with ground truthing data were utilized to examine the spatio-temporal dynamics of land use changes and assess the spatial patterns of urban expansion in Lahore, Pakistan from the year 2000 & 2014. Supervised classification using maximum likelihood algorithm has been carried out for land use classification andPost classification change detection technique was used to produce change detection map of the study area. The output land use and change detection map revealed that the areal expansion has been attributed due to loss of agricultural land and urban sprawl while major change in land use has taken place in built-up and agricultural areas. The results indicated that 40.81% of built-up area increased, while agricultural land has decline by -12.98% during the study period (2000-2014). Due to this the observed expansion of the city has been toward the South-east, South and South-west along with major roads. The results infer can provide better understanding and information about the past and current spatial dynamics of land use change in Lahore, Pakistan.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 découle