Analysis of Wetland Landcover Change in Great Lakes Urban Areas Using Self-Organizing Maps
Notice bibliographique
Résumé
Wetland loss and subsequent reduction of wetland ecosystem services in the Great Lakes region has been driven, in part, by changing landcover and increasing urbanization. With landcover change data, digital elevation models (DEM), and self-organizing maps (SOM), this study explores changing landcover and the flood mitigation attributes of wetland areas over a 15-year period in Toronto and Chicago. The results of this analysis show that (1) in the city of Toronto SOM clusters, the landcover change correlations with wetland volume and wetland area range between −0.1 to −0.5, indicating that a more intense landcover change tends to be correlated with small shallow wetlands, (2) in the city of Chicago SOM clusters, the landcover change correlations with wetland area range between −0.1 to −0.7, the landcover change correlations with wetland volume per area range between −0.1 to 0.8, and the landcover change correlations with elevation range between −0.2 to −0.6, indicating that more intense landcover change tends to be correlated with spatially small wetlands that have a relatively high water-storage capacity per area and are located at lower elevations. In both cities, the smallest SOM clusters represent wetland areas where increased landcover change is correlated with wetland areas that have high flood mitigation potential. This study aims to offer a new perspective on changing urban landscapes and urban wetland ecosystem services in Toronto and Chicago.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».