MétaCan
Menu
Retour à la cohorte
Enregistrement W2167697362 · doi:10.3138/carto.47.4.1321

Waiting to Know the Future: A SLEUTH Model Forecast of Urban Growth with Real Data

2012· article· en· W2167697362 sur OpenAlexvenueno aff
Germana Manca, Keith Clarke

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUrbanizationContext (archaeology)GeographyUrban planningLand-use planningLand useEnvironmental planningEnvironmental resource managementRegional scienceEnvironmental scienceEngineeringEconomic growthCivil engineeringArchaeologyEconomics

Résumé

récupéré en direct d'OpenAlex

What is the true value of simulation modelling to urban growth? This article assesses the validity of an integrated approach, based on the SLEUTH Model and land-use planning theory, as used to create an eight-year forecast in 1998. With actual data on the extent of urbanization in 2006 now available, the authors find that the 1998 forecasts were accurate. The case study is located in Macomer, an inland municipality of Sardinia, Italy, an island in the central Mediterranean Sea. Noting that data collection is an essential first step of planning, the authors assess Macomer's land-use history, geography, economy, and demographics as context for more integrated and holistic planning than has been undertaken in the region to date. The 1998 calibration and prediction of the Urban Growth Model, a component of SLEUTH, simulated Macomer's urban growth for the following eight years and has been reviewed and statistically validated. With detailed geographical results, the authors confirm that the 1998 simulation closely reflects real urban growth as of 2006. This finding is particularly notable because urban growth in Sardinia has been slow, and a higher level of accuracy in urban planning is necessary to achieve stronger predictive capability.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,013
Tête enseignante GPT0,255
Écart entre enseignants0,242 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations3
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetLand Use and Ecosystem ServicesTravaux en français237 207