Rapid rise in urban sprawl: Global hotspots and trends since 1990
Notice bibliographique
Résumé
Dispersed low-density development–“urban sprawl”–has many detrimental environmental, economic, and social consequences. Sprawl leads to higher greenhouse-gas emissions and poses an increasing threat to the long-term availability of many vital ecosystem services. Therefore, urban sprawl is in stark contradiction to the principles of sustainable land use and to the need for a sustainability transformation. This study presents the degree of urban sprawl on the planet at multiple spatial scales (continents, UN regions, countries, subnational units, and a regular grid) for the period 1990–2014. Urban sprawl increased by 95% in 24 years, almost 4% per year, with built-up areas growing by almost 28 km 2 per day, or 1.16 km 2 per hour. The results demonstrate that Europe has been the most sprawled and also the most rapidly sprawling continent, by 51% since 1990. At the scale of UN regions, the highest relative increases in urban sprawl were observed in East Asia, Western Africa, and Southeast Asia. Urban sprawl per capita has been highest in Oceania and North America, exhibiting a minor decline since 1990, while it has been increasing rapidly in Europe, by almost 47% since 1990. The study revealed a strong relationship between urban sprawl and the level of human development as measured by the Human Development Index ( HDI ). The results suggest that it will be important for a more sustainable future to find a better balance between a high quality of life and using land more sparingly. There is an urgent need to stop urban sprawl, since current regulations and measures in developed countries are apparently not effective at limiting it. Monitoring urban sprawl can serve to guide policy development such as the implementation of targets and limits and to evaluate the effectiveness of urban growth management strategies at mitigating urban sprawl.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 ».