Monitoring Vegetation, Water, and Land Surface Temperature in Dubai and Muscat Over Three Time Periods
Notice bibliographique
Résumé
The goal of this study is to monitor the changes caused by climate change on vegetation's health, land surface temperature, and water bodies in Dubai, UAE, and Muscat, Oman, focusing on three different years: 2018, 2021, and 2024.The monitoring procedure is carried out using Landsat 8, which is known for its high-resolution imagery.The satellite was used to capture several images for the proposed years; then, the images will be processed using ERDAS Imagine software, which is an advanced remote sensing tool.The software was initially used to classify imagery using supervised algorithms.Subsequently, it was used to assess vegetation's health, land surface temperature, and water availability using the Normalized Difference Vegetation Index (NDVI), Land Surface Temperature (LST), and Normalized Difference Water index (NDWI), respectively.Results indicate that Dubai underwent a rapid increase in vegetation cover over the years, which perfectly aligns with the city's vision.On the other side, Muscat faced an inconsistent variation in vegetation cover; a rise occurred between 2018 and 2021, followed by a fall between 2021 and 2024.Additionally, both cities experienced a gradual decrease in LST values, which highlights the cooling effect of vegetation expansion.However, both cities faced a decrease in NDWI values, indicating lower water availability over the years.These findings show the critical role of satellite monitoring in future planning for urban development and vegetation expansion.
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 | 0,001 | 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) | 0,001 | 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 ».