Assessing the Association Between Urban Amenities and Urban Green Space Transformation in Guangzhou
Notice bibliographique
Résumé
This study explores the intricate relationship between urban amenities and the transformation of urban green spaces (UGS) in Guangzhou, China, over the decade from 2013 to 2022. Amid rapid urbanization, maintaining and expanding green spaces has become increasingly challenging, especially in densely populated urban centers. This research utilizes remote sensing data and Point of Interest (POI) data to assess how different types of urban amenities influence UGS dynamics based on geospatial analytics. The study focuses on the central districts of Guangzhou, a city facing significant urban development pressures, to provide a nuanced understanding of these interactions. Employing both Ordinary Least Squares (OLS) regression and Random Forest (RF) models, the analysis examines the impact of 23 categories of POIs on the spatial and temporal changes in UGS. Key findings reveal that amenities such as auto repair shops, shopping services, and transit facilities are negatively correlated with UGS, indicating that their presence may contribute to the reduction in green space. Conversely, amenities like scenic spots and life services show a positive correlation, suggesting they might support the preservation or expansion of green spaces. The results underscore the dual role of urban amenities in both supporting and constraining green space development, highlighting the need for carefully balanced urban planning strategies. This study provides valuable insights for policymakers and urban planners aiming to promote sustainable urban growth while preserving essential green spaces, ensuring that urban environments remain livable and ecologically resilient.
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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,009 |
| 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 ».