Urban Land Use Trend and Drivers over the Last Three Decades in Addis Ababa and Impacts to the Sustainable Land Management
Notice bibliographique
Résumé
Developing countries are experiencing a fast urban expansion which is highly impacted the land use land cover, LULC, biodiversity, local climate, and socio economic conditions. Understanding of urban LULC and its consequences is imperative to explore the opportunities that the urban has for sustainable development. The purpose of this study is to examine the patterns of LULC change, the effects of unsustainable land use, and mitigation measures. The study employed mixed methods including Satellite image, GIS techniques, and social survey. To further refine the study, secondary data from both published and unpublished materials were also used. The transfer of green space to built-up regions during the past three decades is evidence that the patterns of land use changes have become unsustainable. From 1986 to 2017, there has been a substantial quantity of deforestation (4467 ha of forest lost), and reduction of grassland (6314 ha) while built-up land has gone up by 9876 ha. The city's inefficient plans, along with the growing population, are the primary causes of the unsustainable LU. The city has experienced negative effects from unsustainable land use namely: flooding (areas susceptible for flooding increased by 69.5%), urban heat islands (the land surface temperature has increased by 3.80C), and carbon sequestration (at least 616, 044 C not sequestered and so released). On the other hand, a number initiatives have been implemented, albeit sporadically, to improve sustainable land use. Thus there is a need for policy makers and urban land use mangers to take into account empirical knowledge while planning.
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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».