MétaCan
Menu
Retour à la cohorte
Enregistrement W2128984587 · doi:10.1080/02697459.2010.511018

Mapping Industrial Legacies: Building a Comprehensive Brownfield Database in Geographic Information Systems

2010· article· en· W2128984587 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuePlanning Practice and Research · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEnvironmental Justice and Health Disparities
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésBrownfieldRedevelopmentUrban sprawlGeographic information systemEnvironmental planningDocumentationIdentification (biology)Land useSpatial databaseGeographyComputer scienceEnvironmental resource managementCivil engineeringTransport engineeringSpatial analysisCartographyEngineeringRemote sensingEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Abstract Brownfields, land containing both actual and perceived contamination from former uses, pose hurdles to redevelopment, but are worthy of consideration due to their potential for aiding inner-city regeneration and providing alternatives to suburban sprawl. Yet the extent of the brownfield land problem is unknown in many cities, and relatively little research has systematically described efficient and effective ways to identify these sites. We demonstrate how a geographic information system (GIS) can be used for the identification and management of a brownfield database. A series of historical fire insurance plans and city directories for successive eras of development are incorporated in the GIS to provide extensive documentation about the location and condition of brownfield land. Such a system offers planners a powerful set of spatial–analytical tools to comprehensively describe the brownfield land situation, as well as being expandable and adaptable to document the general evolution of the urban landscape.

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 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)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,582
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,171
Tête enseignante GPT0,445
Écart entre enseignants0,274 · 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