Urban Heat Island and Environmental Degradation Analysis Utilizing a Remote Sensing Technique in Rapidly Urbanizing South Asian Cities
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
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.
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