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 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 | 0,001 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».