How Land Cover Spatial Resolution Affects Mapping of Urban Ecosystem Service Flows
Notice bibliographique
Résumé
In urban areas, estimating the effect of land cover (LC) data spatial resolution on ecosystem services (ES) mapping remains a challenge. In particular, mapping spatial flows of ES, from greenspaces to beneficiaries, may be more sensitive to LC data resolution than mapping potential supply or demand separately. Our objectives were to compare the sensitivity of global- and local-flow ES maps to LC data resolution, and to assess the effect of LC data resolution within different types of urban land uses. A case study was conducted in the city of Laval, Canada. Carbon storage (a global-flow ES), urban cooling and pollination (two local-flow ES) were mapped using LC data aggregated from 1 m to 15 m. Results were analyzed for districts (comprising various types of urban land uses), and for 480 x 480 m residential and commercial zones. Greenspace cover was generally underestimated at coarser spatial resolutions; as a result, so were ES potential supply and flow. For urban cooling and pollination, the effect of LC data spatial resolution on ES flow also depended on changes in the spatial configuration of ES potential supply relative to ES demand. The magnitude of the effect differed among land use types. However, the effect was also highly variable between similar landscapes, suggesting that it is very sensitive to LC structure. To adequately map the ES provided by the small greenspaces scattered throughout the urban matrix, using land cover data with a spatial resolution of 5 m or finer is recommended, especially for local-flow ES.
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 | 0,006 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 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 ».