Urban Heat Island and Environmental Degradation Analysis Utilizing a Remote Sensing Technique in Rapidly Urbanizing South Asian Cities
Notice bibliographique
Résumé
Rapid urbanization in South Asian cities has triggered significant changes in land use and land cover (LULC), degrading natural biophysical components and intensifying urban heat islands (UHIs). This study investigated the impact of LULC changes on land surface temperature (LST) and the role of biophysical indicators in enhancing urban resilience to thermal extremes. We used Landsat satellite imageries from 1993 to 2023, conducted a comprehensive analysis of LULC changes, and estimated LST variations at 6-year intervals in the Dhaka, Gazipur, and Narayanganj districts in Bangladesh. Afterward, we performed statistical analysis upon employing correlation, regression, and principal component analysis (PCA) techniques to summarize information. The results reveal that 339.13 km2 worth of urban expansion has occurred in last 30 years, with an average annual growth rate of 3.5%, accompanied by a substantial reduction in water bodies (−139.17 km2) and vegetation cover. Consequently, summer temperatures exceeded approximately 36.52 °C in dense urban areas. Also, the results highlighted the strong influence of built-up areas (BSI and SAVI) on LST, while vegetation (NDVI) and water indices (NDWI) exhibited a negative association. The findings emphasize the urgency of integrating green infrastructure and deploying sustainable urban planning policies to mitigate the potential adverse impacts of scattered urbanization in the face of climate change.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».