Geospatial Analysis of Urbanization and its Impact on Land Use Changes in Sargodha, Pakistan
Notice bibliographique
Résumé
The focus of this study is on the application of GIS and remote sensing on urbanization and its impact on land use changes in Sargodha from 1992-2015. Sargodha has witnessed rapid urbanization and due to urban expansion many changes have been detected in the land use of Sargodha. For this study, census data, multi-temporal city maps and multi spectral satellite images are used. Landsat TM 1992 and ETM+ 2000, 2005, 2010 and 2015 Landsat 8 are classified using supervised classified method (MLC) to produce land use maps. The classification accuracy has been assessed by calculating kappa index of agreement and ground control points were also collected to verify the results. The results indicate that, over the past 24 years there is a growing trend in urban land use while the agricultural land and all other categories are showing a declining trend since 1992. The total increase in urban land use is 25380.8 hectares and it has increased in 2000, 2005, 2010, and 2015 at the rate of 2.2%, 4.1%, 9.2% and 17.4% respectively. This rapid urbanization resulted into loss of agricultural land. While the overall change observed in agricultural land, water area and bare land is -11008.5, -38926.5 and 9492.7 hectares respectively.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».