MétaCan
Menu
Retour à la cohorte
Enregistrement W2376238443

Estimation of Urban Land System Stability of River Valley——A Case Study of the Four Districts in Suburbs of Lanzhou City

2014· article· en· W2376238443 sur OpenAlexaff
Wang Jian-zhe

Notice bibliographique

RevueEconomic Geography · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueRemote Sensing and Land Use
Établissements canadiensScience North
Organismes subventionnairesnon disponible
Mots-clésUrbanizationLand useGeographyLand information systemGrasslandLand use, land-use change and forestryLand developmentDriving factorsEnvironmental scienceChinaWater resource managementLand managementEcology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The estimation of urban land system stability is based on the reasonable arrangements of urban land-use, the optimization of land structure system, and the achievement of sustainable utilization of land resources. This paper, taking Lanzhou city, the valley-basin city in Northwest China for example, introduced flow analysis and activity analysis of land utilization, and analyzed the spatiotemporal dynamic characteristics of land utilization and its driving mechanism in research areas by the measure model of land use change and principal component analysis, based on Landsat remote sensing image data. The research shows that:(1) In the research area, less unused land resources and reserved land resources, and the lower proportion of forest land, grassland and water area have the greater ecological risk;(2) Transformable relationships among the construction land, cultivated land, grassland and forest land are key relationships of the transition of land utilization, which has determined change characteristics of land utilization in the research area;(3) The land use change shows the class character. With the rapid development of social economy, the fast promotion of urbanization has increased the entropy of land system and decreased its stability.

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 enseignants0,059
Score d'incertitude au seuil0,997

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,184
Écart entre enseignants0,171 · 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomic GeographyMême sujetRemote Sensing and Land UseTravaux en français237 207