MétaCan
Menu
Retour à la cohorte
Enregistrement W2087830893 · doi:10.1080/00167223.2006.10649554

Land system changes in the context of urbanisation: Examples from the peri-urban area of Greater Copenhagen

2006· article· en· W2087830893 sur OpenAlexaff
Anne Gravsholt Busck, Søren Bech Pilgaard Kristensen, Søren Præstholm, Anette Reenberg, Jørgen Primdahl

Notice bibliographique

RevueGeografisk Tidsskrift-Danish Journal of Geography · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensRoyal Ottawa Mental Health Centre
Organismes subventionnairesnon disponible
Mots-clésUrbanizationGeographyContext (archaeology)RecreationAgricultureAgricultural landLand useRural areaPopulationAgricultural productivityEnvironmental planningEnvironmental protectionAgricultural economicsEconomic growthCivil engineeringEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Peri-urban areas are characterised by great heterogeneity and rapid changes of land use. Furthermore, population composition changes as peri-urban areas offer attractive residential alternatives to city centres or more remote locations. The dynamic processes leave peri-urban areas in an in-between situation, neither city nor countryside and home to a range of functions, spanning from agricultural production to residential and recreational areas. The paper investigates the urbanisation of agricultural areas in the Greater Copenhagen region based on quantitative data collected on agricultural properties in nine study areas between 1984 and 2004. The overall conclusion is that agricultural land use has continued largely unaffected by the processes of urbanisation. However, most of the production is concentrated on a few very large full-time farms. In addition, the economic activities have been greatly diversified over the last three decades. The structural components of the areas (land use and landscape elements) thus appear more resilient than the socio-economic system (declining number of full-time farmers and increasing number of owners engaged in other gainful activities). However, at some point this discrepancy will disappear and rapid land use changes may be expected.

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 enseignants0,016
Score d'incertitude au seuil0,992

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,184
Écart entre enseignants0,174 · 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

Citations96
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeografisk Tidsskrift-Danish Journal of GeographyMême sujetLand Use and Ecosystem ServicesTravaux en français237 207