Dynamics of Impervious Surfaces and Vegetation in Core Urban Areas of Global Megacities
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
Although many studies have shown that the expansion of impervious surfaces such as artificial buildings and roads is accompanied by a decrease in urban vegetation, recent studies have also pointed out that urban greening measures can promote vegetation growth. The above studies mostly focus on administrative regions such as a certain city, urban agglomeration, river basin, country, etc., ignoring the differences between suburbs and core urban areas with concentrated populations. This paper proposes fractional impervious surface index (FISI) to estimate impervious surfaces and combines it with population information to define core urban area boundaries of megacities. Then, Landsat data are used to analyze dynamics of impervious surfaces and vegetation in core urban areas of 12 megacities around the world from 2013 to 2022. The results indicate a gradual increase in impervious surfaces within the core urban areas of 12 megacities. Most megacities have shown a significant decline in growth rate of impervious surfaces since 2017, and growth rates of all megacities have tended to stabilize after 2019. Across all megacities, lower fractional vegetation cover (FVC) levels account for a higher proportion of area, with a gradual decline toward higher FVC levels. Most megacities have different FVC trends in core urban areas and entire city. The proportions of very high FVC areas in core urban areas of 12 megacities have not changed much, with fluctuations basically not exceeding 5%. This study helps to understand the spatiotemporal dynamic changes of vegetation in core urban areas and provide reference data for sustainable urban development.
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