The Trajectories, Trends, and Opportunities for Assessing Urban Ecosystem Services: A Systematic Review of Geospatial Methods
Notice bibliographique
Résumé
Urban ecosystem services (UES) are indispensable for life. Stakeholders are improvising strategies for a more sustainable provisioning of UES. For this purpose and for identifying orientations towards geospatial data in UES studies, the “bibliometric analysis” technique was deployed. The inclinations facilitate assessments pertaining to spatio-temporal oscillations in the supply–demand equilibrium. The propensities are gaining recognition due to time and cost effectiveness. Besides this, Remote Sensing (RS) in conjunction with Geographic Information System (GIS), enables the conduct of synoptic and robust periodic evaluations. The study analyzes inclinations towards RS in contemporary research (2010–2020) focusing, particularly, on urban ecosystem services. It specifically focuses on methodological frameworks and major sources of remotely sensed data. Therefore, a total of 261 records of research articles were identified and retrieved. Subsequently, 79 articles were selected for further processing and content analysis. It transpired that approximately 30% of the selected publications deployed remotely sensed data for assessment purposes. The majority (96%) of such studies were conducted in economically developed and industrialized countries. However, the researchers from both developed and developing countries prefer open software and free data sources. Besides this, they prefer satellite-based optical sensors over image sensors such as TIR, SAR, or light sensors for acquiring data. The findings formulate that Land Use Land Cover (LULC)-based methodologies and inclinations for assessing regulating services are more frequently pursued. The findings revealed that enhanced research collaborations, access to data, and assessment gadgets are obligatory for capacity building in developing regions. Knowledge sharing and cost-effective access to RS and GIS based platforms are incumbent for ensuring urban environmental sustainability in developing economies.
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 | 0,013 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,050 | 0,048 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».