Diversity in global urban sprawl patterns revealed by Zipfian dynamics
Notice bibliographique
Résumé
Zipf’s law, characterizing the rank-size distribution of city size or population, has been widely applied in urban studies. Previous studies on Zipf’s law mainly focused on the spatial dimension of urban size and population, with limited consideration of its temporal dynamics. Here, we proposed a conceptual model to characterize the spatial sprawl pattern of urban clusters using the approach of Zipf’s law and approximately 30-year time series of global urban extent data. First, we quantified increments of urban areas in global megacities and small settlements over the past three decades. Urban sprawl patterns (i.e., equilibrium, diffuse, and aggregated) were revealed from the Zipfian dynamics, using the proposed conceptual model. Then, we characterized urban sprawl patterns at different spatial scales. Overall, the sprawl of small urban clusters is slightly faster than those of large clusters globally. At the continental scale, the sprawl pattern shows equilibrium patterns in Asia and Africa, whereas other continents mainly present diffuse sprawl patterns. In general, for developing regions (e.g., North and West Africa), an aggregated sprawl pattern was observed, whereas, for those highly developed regions (e.g., Canada and West Europe), the diffuse sprawl pattern dominated. Patterns of urban sprawl revealed in this study reflect different growth rates of varying sizes of urban clusters, advancing our understanding of urban development pathways. The relatively robust performance of Zipf’s law over multiple spatial and temporal dimensions suggests the self-organized mechanism of city evolution behind urban sprawl, which contributes to the development of future urban growth models.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,098 | 0,001 |
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 ».