MétaCan
Menu
Retour à la cohorte
Enregistrement W2028540044 · doi:10.1080/1747423x.2014.884643

The conversion of agricultural land in the peri-urban areas of Hanoi (Vietnam): patterns in space and time

2014· article· en· W2028540044 sur OpenAlexaff
Van Cu Pham, Thi‐Thanh‐Hiên Pham, Thi Huyen Ai Tong, Thi Thuy Hang Nguyen, Ngoc Hai Pham

Notice bibliographique

RevueJournal of Land Use Science · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésUrbanizationInfillAgricultureAgricultural landLivelihoodGeographyLand useLand use, land-use change and forestryFragmentation (computing)Agricultural economicsAgroforestryEnvironmental scienceEconomic growthEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Rapid urbanization is accelerating the loss of agricultural land in Hanoi (Vietnam), raising concerns about food provision for inner citizens and livelihoods of peri-urban farmers. Understanding how this loss is linked with urban expansion is important to predict impacts of urbanization on peri-urban agriculture. In this paper, we examine the conversion of agricultural land to built-up land in Hanoi by using Landsat images (1993, 2000 and 2007). About one-third of the agricultural land was converted to built-up areas. Agricultural patches tend to be more fragmented and to have irregular shapes. Areal loss, fragmentation and edge irregularity of agricultural land appear to be related to the change from rural status into urban status. Such tendencies of the conversion correspond to urban growth patterns in Hanoi (infill, expansion and linear branches). This study calls for immediate measures to protect agricultural land and accelerate the creation of the green belt in Hanoi.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,089

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,190
Écart entre enseignants0,184 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations65
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Land Use ScienceMême sujetLand Use and Ecosystem ServicesTravaux en français237 207