EXAMINING URBAN EXPANSION USING MULTI-TEMPORAL LANDSAT IMAGERY: A CASE STUDY OF THE MONTREAL CENSUS METROPOLITAN AREA FROM 1975 TO 2015, CANADA
Notice bibliographique
Résumé
Abstract. Urban expansion, particularly the movement of residential and commercial land use to sub-urban areas in metropolitan areas, has been considered as a significant signal of regional economic development. In 1970s, the economic centre of Canada moved from Montreal to Toronto. Since some previous research have been focused on the urbanization process in Greater Toronto Area (GTA), it is significant to conduct research in its counterpart. This study evaluates urban expansion process in Montréal census metropolitan area (CMA), Canada, between 1975 and 2015 using satellite images and socio-economic data. Spatial and temporal dynamic information of urbanization process was quantified using Landsat imagery, supervised classification algorithms and the post-classification change detection technique. Accuracy of the Landsat-derived land use classification map ranged from 80% to 97%. The results indicated that continuous growth of built-up areas in the CMA over the study period resulted in a decrease in the area of cultivated land and vegetation. The results showed that urban areas expanded 442 km2 both along major river systems and lakeshores, as well as expanded from urban centres to surrounded areas. The analysis revealed that urban expansion has been largely driven by population growth and economic development. Consequently, the urban expansion maps produced in this research can assist decision-makers to promote sustainable urban development, and forecast potential changes in urbanization growth patterns.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».