Analysis and Modeling of Urban Land Cover Change in Setúbal and Sesimbra, Portugal
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
The expansion of cities entails the abandonment of forest and agricultural lands, and these lands’ conversion into urban areas, which results in substantial impacts on ecosystems. Monitoring these changes and planning urban development can be successfully achieved using multitemporal remotely sensed data, spatial metrics, and modeling. In this paper, urban land use change analysis and modeling was carried out for the Concelhos of Setúbal and Sesimbra in Portugal. An existing land cover map for the year 1990, together with two derived land cover maps from multispectral satellite images for the years 2000 and 2006, were utilized using an object-oriented classification approach. Classification accuracy assessment revealed satisfactory results that fulfilled minimum standard accuracy levels. Urban land use dynamics, in terms of both patterns and quantities, were studied using selected landscape metrics and the Shannon Entropy index. Results show that urban areas increased by 91.11% between 1990 and 2006. In contrast, the change was only 6.34% between 2000 and 2006. The entropy value was 0.73 for both municipalities in 1990, indicating a high rate of urban sprawl in the area. In 2006, this value, for both Sesimbra and Setúbal, reached almost 0.90. This is demonstrative of a tendency toward intensive urban sprawl. Urban land use change for the year 2020 was modeled using a Cellular Automata based approach. The predictive power of the model was successfully validated using Kappa variations. Projected land cover changes show a growing tendency in urban land use, which might threaten areas that are currently reserved for natural parks and agricultural lands.
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 | 0,000 | 0,000 |
| 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