Building Stock and Building Typology of Kigali, Rwanda
Notice bibliographique
Résumé
Dynamically changing urban agglomerations in emerging countries in the Global South experience rapid changes in their urban extent and morphology, due to a growth of population and migration, as well as socioeconomic developments. It is important to have access to updated information on the qualitative and quantitative status of settlements, in order to monitor and inform the housing sector, spatial and infrastructure planning, municipal revenue collection and budgeting, and the supply of social services. Very high-resolution (VHR) multispectral satellite images are one important, cost effective, source of regular, updated, data on urban land-use and built-up areas. The authors acquired a Pléiades satellite image from August 2015 for the central part of the capital of Rwanda, Kigali. Object-based image analysis (OBIA) and expert-based post-classification were then applied to derive building footprints and building heights, and to assign all buildings to nine building archetypes. In a second step, building footprint data from aerial images of the same area in 2008-2009 were analysed, to identify the change of the building stock in the respective period. In total, 165,625 built entities have been detected for 2008-2009 and 211,458 for 2015; this entails a 27.7% increase in the number of buildings. The dataset presented is a completely revised version of a dataset that was used for a published report on the housing supply in Kigali in 2018.
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 | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».