MétaCan
Menu
Retour à la cohorte
Enregistrement W2357161905

Urban Expansion Analysis of Hefei City in the Last 30 Years by Using Romote Sensing

2013· article· en· W2357161905 sur OpenAlexaff
Yao Yu-lon

Notice bibliographique

RevueEconomic Geography · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueRemote Sensing and Land Use
Établissements canadiensScience North
Organismes subventionnairesnon disponible
Mots-clésGeographyUrban expansionUrban heat islandLand usePopulationPhysical geographyUrban sprawlPopulation growthUrban planningUrban climateEnvironmental scienceEcologyMeteorologyDemography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

By using six images from Landsat MSS/TM/ETM + dates in 1981a,1989a,1995a,2000a,2005a and 2010a,combined with evaluation of urban expansion,Land Use/Land Coverage Change and urban heat island,we analysis spatial and temporal different characteristics in urban expansion of Hefei City,the driving forces and resultant impacts on ecological environment in the last 30 years.The results showed that during the period from 1989 to 1995,urban land-use expansion in Hefei City showed slow growth trend,the rest of the time were a period of rapid growth.The relationship between population growth and urban land-use in Hefei City is more reasonable,and the development of the city has been the strong support of the population.The development of urban land-use expansion is from compact and stable to loose and complex.Urban expansion by concentric expansion,the center of gravity is basically stable into a cluster expansion,the center of gravity is significantly transfer to south and west.Economic development,population growth,traffic traction and government decision are driving urban land-use expansion.Urban heat island effect in the area as increas as the urban expansion,but the intensity of the heat island showed weakening trend,the decrease in high temperature zone and very high temperature area,showing the trend of multi-center and film distribution.The occupation of the main type of land use is agricultural land in urban land-use expansion,the area decreased by 23.61% from 1995 to 2010.

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)0,000
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 enseignants0,136
Score d'incertitude au seuil0,961

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 GPT0,190
Écart entre enseignants0,180 · 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

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomic GeographyMême sujetRemote Sensing and Land UseTravaux en français237 207