Assessment of carbon stock (CS) in various land use/land cover (LULC) types is essential for environmental policies focused on reducing CO2 emissions and mitigating climate change. This study utilized the CA-Markov model to simulate future LULC scenarios and the InVEST model to evaluate CS changes in Pakistan from 2001 to 2030. The study employed two decades of yearly composite land cover data from MODIS, achieving high accuracy with a kappa value of 0.856. The results indicate that an increase of 38.1 × 103 km2 in cultivated land could lead to an increment of 13.5 Tg in Pakistan's total CS. In comparison, an increase in forest area can be the reason for raising above-ground carbon (AGC) by 16.8 Tg. These findings enhance the understanding of long-term LULC and CS changes in Pakistan. The study provides valuable insights for governments to refine land use strategies, adjust carbon emission reduction policies, and design better regulations based on the study's findings. Key recommendations include promoting vertical urban development to preserve carbon sequestration areas, implementing strict agricultural zoning laws, expanding afforestation initiatives like the Billion Tree Tsunami and Green Pakistan, and establishing a national LULC and CS monitoring program. Integrating data from various sources will create a comprehensive database to inform policy decisions and land management practices, contributing to global climate change mitigation efforts.

Abstract The built environment is associated with higher air and surface temperatures in urban areas compared to rural counterparts. This study focuses on the Sheikhupura district in Punjab, Pakistan, where rapid urbanization and deforestation have significantly impacted land surface temperature (LST) from 2000 to 2020. Utilizing Geographic Information Systems (GIS) and Remote Sensing (RS) techniques, four Landsat images from the United States Geological Survey (USGS) were analyzed to assess spatiotemporal variations in LULC and LST. The single infrared channel approach was employed to calculate LST, and LULC maps were created using supervised classification for the years 2000, 2010, and 2020. The results indicate a substantial increase in built-up areas from 66.9708 square kilometers in 2000 to 259.8147 square kilometers in 2020, accompanied by a significant reduction in vegetation and agricultural land. Correspondingly, the maximum LST rose from 28.9354 °C in 2000 to 31.5173 °C in 2020, highlighting the urban heat island effect. Zonal statistics revealed a decrease in mean high temperatures from 24.45 to 20.3 °C over the same period, suggesting variability in temperature distribution due to changes in land cover types. These findings underscore the need for sustainable urban planning to mitigate the adverse effects of urbanization on local climates. Future work should focus on developing strategies to increase green spaces and reforestation efforts to counteract rising temperatures. Additionally, further research is recommended to explore the long-term impacts of these changes on local biodiversity and ecosystem services, providing a holistic approach to urban sustainability.

In the ever-competitive telecommunications landscape, acquiring new customers hinges on identifying their precise locations. This study investigates how Pakistan's leading telecommunications provider, PTCL, employed an innovative geo-marketing approach to pinpoint optimal locations for new customer service centers in Islamabad. The study integrates advanced GIS-based spatial analysis with statistical techniques, such as geographically weighted regression (GWR), achieving an adjusted R2 of over 0.75 in predicting potential customer density. Unique to this work is the incorporation of multidimensional datasets, including demographic, economic, and competitive factors, coupled with tailored site selection criteria to optimize accessibility, visibility, and resource allocation. By leveraging this novel approach, PTCL enhanced targeting efficiency and strategic decision-making, gaining a stronger competitive market position. This study highlights the transformative potential of data-driven geo-marketing in emerging markets, providing actionable insights for telecommunications companies aiming to optimize customer acquisition strategies.

Rapid and timely testing is essential to minimize the COVID-19 spread. Decision makers and policy planners need to determine the equal distribution and accessibility of testing sites. This study mainly examines the spatial equality of COVID-19 testing sites that maintain a zero COVID policy in Guangzhou City. The study has identified the spatial disparities of COVID testing sites, characteristics of testing locations, and accessibility. The study has obtained information on COVID testing sites in Guangzhou City and population data. Point pattern analyses, Euclidian distance and allocation, and network analyses are the main methods used to achieve the research objectives, and 1183 total COVID testing sites can be recognized in Guangzhou City. Results revealed that spatial disparities could be noticed over the study area. Testing locations of Guangzhou City are highly clustered. The most significant testing sites are located in Haizhu District, which has the third largest population. The highest population density can be identified in Yuexiu District. However, only 94 testing sites are located there. According to all the results, higher disparities can be identified, and a lack of testing sites is located in the north part of the study area. Some people in the northern part have to travel more than 10 km to reach a testing site. Finally, this paper suggests increasing the number of testing sites in the north and south parts of the study area and keeping the same distribution, considering the area, total population, and population density. This kind of research will be helpful to decision-makers in making proper decisions to maintain a zero COVID policy.