Spatio-temporal urban growth dynamics of Lagos Metropolitan Region of Nigeria based on Hybrid methods for LULC modeling and prediction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
An accurate information on the amount and location of Land use and land cover (LULC) changes is necessary to develop and implement a sustainable-urban planning.This research investigates the potential of an integrated Multi-Layer Perceptron and Markov Chain Analysis (MLP-MCA) to map and accurately predict the future LULC change scenarios in Lagos Metropolitan Region of Nigeria. Multi-temporal LULC datasets derived from remotely sensed Landsat images from 1984, 2000 and 2015 were used for modeling, validation and prediction. Predicted LULC changes for 2030 and 2050 were performed based on the LULC map of 2015 using MLP-MCA method. The result reveals a significant expansion of built-up areas during the whole study period. Analysis of LULC distribution in Lagos metropolitan region shows that about 50% of urban land expansion happened beyond the administrative boundary of Lagos State during the period of 2000–2015. It is predicted that more than 75% of future urban growth will occur across the border of Lagos State, in the neighbouring Ogun State by 2050. These results imply that a strong and consistent collaboration between different states is crucial to establish an effective regional planning framework and ensure a proper planned growth of the metropolitan region.
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.
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 découle