Optimization of settlement land use through carbon footprint approach in The North Balikpapan
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
Abstract Limited land in the downtown area as well as the increasing amount of new activities centre causes residential development leads to North Balikpapan. This area is an urban fringe with vast protected forests as buffer zone and catchment area for the city and surrounding area. Land conversion in this area will increase hazard risk of inundation, water quality decrease and increased CO 2 emissions. Therefore, development should be maintained environmental stability. One of the rights applicated approach is carbon footprint that is capable to measure the balance between production and absorption needs of CO 2 emissions. To find the optimal land allocation, we used carbon footprint calculation from the household activities, identify the factors of settlement growth, and use Linear Programming analysis. Analysis’ results show that settlement activities in North Balikpapan produce 108.362,4 tCO 2 /year or equivalent with 618,50 Ha green space. Meanwhile, the development of settlement in North Balikpapan is affected by social demographic, developer initiative, environmental condition, public facilities availability, economical structure, and policy factors. According to those factors, optimal allocation of settlement area in North Balikpapan is only about 4,510.01 Ha. With that condition, it still able to absorb CO 2 emissions from inside or outside the area around 2.751 tCO 2 /year.
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 | 0,000 | 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