MétaCan
Menu
Retour à la cohorte
Enregistrement W4416727374 · doi:10.1109/igarss55030.2025.11243944

How the City Expands? A 3-D View Analysis on Urban Growth Typologies based on Building Height

2025· article· W4416727374 sur OpenAlexaff
Liqing Yang, Xinyan Chen, Min Huang, Yuan Chen, Xiaolong Yang, Hu Ding

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueUrban Design and Spatial Analysis
Établissements canadiensInstitute on Governance
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésUrban expansionChinaCluster analysisUrban planningPerspective (graphical)LimitingSustainable developmentUrban morphologyGeographic information system

Résumé

récupéré en direct d'OpenAlex

Urban expansion and its morphological evolution are crucial for analyzing urban spatial utilization efficiency, development density, and environmental impacts. However, conventional studies on urban expansion often focus on two-dimensional analysis and lack comprehensive historical building height data, limiting long-term morphological analysis. To fill this gap, this study integrates NASADEM data and remote sensing information to develop a 30-meter resolution building height dataset for China in 2000 (CBHD30_2000), achieving high accuracy, with a RMSE of 9.15 meters and a MAE of 6.25 meters. Based on this, clustering analysis identified seven urban expansion types in China between 2000 and 2020, including stabilized, upward, outward, budding outward, budding upward, upward and outward and fast upward-and-outward, revealing that most cities exhibit mixed patterns of expansion. In the 2000s, stabilized dominated, however, by 2010, upward and outward patterns prevailed. The proposed analytical framework offers a novel perspective for uncovering the dynamic evolution of urban morphology and provides theoretical foundations and data support for sustainable urban development and scientific planning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,006
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,223
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUrban Design and Spatial AnalysisTravaux en français237 207