MétaCan
Menu
Retour à la cohorte
Enregistrement W1956908576 · doi:10.5539/mas.v9n6p1

Water Bodies an Urban Microclimate: A Review

2015· review· en· W1956908576 sur OpenAlexvenueno aff
Golnoosh Manteghi, Hasanuddin Bin Limit, Dilshan Remaz

Notice bibliographique

RevueModern Applied Science · 2015
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMicroclimateUrban heat islandEvaporative coolerEvapotranspirationEnvironmental scienceWater bodyVegetation (pathology)Urban climatePhysical geographyHydrology (agriculture)Atmospheric sciencesUrban planningGeographyEnvironmental engineeringMeteorologyEcologyGeology

Résumé

récupéré en direct d'OpenAlex

In urban areas, water bodies have a positive effect upon microclimate of the surroundings with the relative cooling impact it has on evaporative procedure. Hence, evaporative cooling might be one of the pretty efficient methods of passive cooling for urban spaces and buildings. Differences in temperature between the urban space and the non-urban space which surrounds, is dubbed UHI (Urban Heat Island) effect. Water bodies have also been proven to be influential methods of decreasing urban temperatures. A water body temperature is capable of being lower than the surrounding urban environment around 2 - 6 °C. According to these findings; one may conclude that the rise of evapotranspiration in cities, that has roots in vegetation and water body, can efficiently mitigate the influence of the urban heat island. Unfortunately, the effect that water bodies can have upon urban temperatures has not been thoroughly assessed in previous studies, specifically the difference between the daytime and night time influences of water bodies, and the matter the how urban design may be in influential in moving the cooling influence from the water bodies toward the city. This paper provides a theoretical background for the problem and reviews the related literature.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,308
Écart entre enseignants0,257 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations184
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetUrban Heat Island MitigationTravaux en français237 207