Analysis of land use/land cover change and urbanization to achieving sustainable development in Lagos, Nigeria
Notice bibliographique
Résumé
The perception of land use change dynamics is important for sustainable land resource management in developing countries such as Nigeria where most of the people depend on natural resources from the land for their livelihoods. Globally, land use and land cover (LULC) change is a major factor of environmental and climate change; rapid urban growth has caused some environmental problems such as loss of agricultural land, land degradation, water shortage, and pollution. This dissertation examines LULC change and urbanization, and the implications on sustainable development (SD) in Lagos Nigeria using spatial analysis. The dissertation contains three inter-related studies as follows: first research examines the urban sprawl and growth prediction for Lagos using GlobeLand30 product combined with GIS and Cellular Automata model. The next study ascertains land use change and impacts on urban and rural areas utilizing landscape metrics (LMs) and FRAGSTATS algorithm for statistical analysis. The final study reviews the agricultural land use and urban sustainability. This study demonstrated the efficiency of GlobeLand30 data and GIS integration with CA_Markov for LULC change analysis and prediction of future LULC scenarios. This research has shown that LMs are universal, potent, and useful to understand the spatial pattern of LULC change in urban-rural context. In conclusion, the outcomes of this study will help the urban planners, policymakers, and the governments in Nigeria to make crucial informed decisions about sustainable urban growth and improved land use management.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».