A Systematic Review of the Latest Research Trends on the Use of Satellite Imagery in Solid Waste Disposal Applications from 2012 to 2021
Notice bibliographique
Résumé
There is currently no review article on the role of remote sensing (RS) tools on waste disposal site (WDS) applications. Permanent waste disposal is the world’s most commonly used solid waste management method, and a specific review is warranted. To investigate research trends and to identify knowledge gaps on the use of satellite-based RS in WDS applications, 170 studies published over the last decade, from 2012 to 2021, were examined and classified using a bibliometric approach. Results are discussed with respect to relevancy, satellite types, study origins, RS analytical methods, and applications. Out of 72 short-listed studies, 44.4% were carried out in Asia, followed by Europe with 18.0%. Asia is also a leading region in the use of multiple satellite products. Only two satellite products were utilized in African studies. The absence of local satellites could potentially be the reason behind the sole use of global satellite imagery. Globally, Landsat contributed 70.8% of the total studies. Sentinel products represented only 8.3%. About 44% of the studies used various RS indices when addressing WDS-related issues. The majority of studies (56%) applied image classification methods to study changes in land use and land cover. The temporal trend reveals a general increase in the total number of studies, particularly for suitable site detection and disposal-site-induced anomaly detection. This review directly addresses the knowledge management aspect of data-driven solid waste 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 | 0,007 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,027 | 0,027 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».