Spatial distribution and equity of urban green space provision in Tehran Metropolis using hybrid Factor Analysis and Analytic Network Process (F′ANP) model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study examines the spatial distribution of urban green space (UGS) provision in Tehran Metropolis and how equitable is its distribution among the city’s neighborhoods. Geographic Information System (GIS) and an augmented Factor Analysis and Analytic Network Process (F′ANP) method is utilized to extract the underlying dimensions of GS provision, determine the weights of their composing indicators, and compute the composite GS provision index (CGSI). Jenks Natural Breaks classification, Gini index, and auto correlation analysis methods are applied to examine the spatial distribution and inequity of UGS provision components. The results indicate that in Tehran metropolis, (1) UGS provision is composed of three UGS constructs: Accessibility, quality and quantity, (2) UGS constructs in the city’s neighborhoods are clustered, (3) the inequity in the distribution of UGS quantity is very high, (4) and contrary to general perceptions, the inequity in UGS accessibility in neighborhoods with low socio-economic status is very low. The findings of the study can be beneficial for local urban green space planners since it is applied at the neighborhoods level and the applied methodology could be replicated in similar studies. • Environmental justice provides a useful framework for Urban Green Space (UGS) provision assessment. • The study shows how F′ANP model could be utilized for composite UGS provision index construction purposes. • The results of this study shows that UGS access inequity in Tehran city’s neighborhoods with low socio-economic status is very low.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 découle