Assessing Land Cover Transformation for Urban Environmental Sustainability through Satellite Sensing
Notice bibliographique
Résumé
Rapid urbanization in Pakistan is triggering regulated and unregulated land cover changes in planned and semiplanned urban areas. The key objective of this study is to assess the spatial–temporal fluctuations in the land use/land cover (LULC) transformations in planned (Islamabad) and semiplanned (Rawalpindi) urban areas over the last forty years (1976–2016). The study focuses on the orientation of LULC modifications and analyzes concomitant impacts on urban environmental sustainability. Therefore, remotely sensed data were retrieved and processed through Google Earth Engine (GEE) by applying supervised classifier algorithms on each of the five chosen Landsat images. The trajectory of LULC changes for each of the four periods 1976–1988, 1988–1995, 1995–2006 and 2006–2016 was critically scrutinized. The observations revealed massive physical expansions and LULC convergences during these timeframes. The proportionate share of built-up surfaces in this contextual setting substantially stretched from 0.83% in 1976 to 23.23% in 2016, while the shares of cropland and shrubberies significantly reduced. The orientation and magnitude of such changes were observed asymmetrically in the adjoining urban settlements. The assessments formulate that availability of land for urban growth, urban planning and regulatory control significantly determines the speed, scale and orientation of urbanization in planned and semiplanned areas. The study substantiates the notions that the efficient use of cost-effective remotely sensed data offers a pragmatic and reliable tool for assessing, evaluating and monitoring urban land resources. The inferences and insights are relevant for urban and regional planners as well as for other scientific communities.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».