The Geographic Automata Tool: A New General-Purpose Geosimulation Extension for ArcGIS Pro
Notice bibliographique
Résumé
The theoretical paradigm of geographic automata systems (GAS) underpins a wide range of studies to represent dynamic complex geospatial phenomena. Specifically, cellular automata (CA) were used extensively over the past 40 years for geospatial applications, though primarily for modeling urban growth. Currently, the hyper-specialized and fragmented geospatial technology ecosystem supporting CA model implementation often necessitates programmed solutions or use of disconnected programs with graphical user interfaces (GUIs) separate from common geographic information systems (GIS) software. Therefore, the main goal of this study is to present a general-purpose, GIS-based CA modeling framework and extension for Esri’s ArcGIS Pro software environment. The methodological approach centered around (1) developing generic functions for building binary or multi-class CA models to capture various spatiotemporal systems and (2) enabling end-to-end CA modeling projects that can incorporate built-in functionality available in ArcGIS Pro versions 3.1 and newer. Two case studies demonstrate the add-in capabilities to support geosimulation model-building activities and exploration of new hybrid models. This research contributes to advancing flexible, transparent spatiotemporal modeling tools within existing GIS software. The proposed approach addresses the lack of streamlined geospatial technologies capable of simulating numerous dynamic geospatial phenomena, exploring human and environmental processes, and examining possible futures with CA in research, decision making, or educational settings.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».