MétaCan
Menu
Retour à la cohorte
Enregistrement W2097626582 · doi:10.1175/jamc-d-13-0156.1

Influence of Soil Moisture on Urban Microclimate and Surface-Layer Meteorology in Oklahoma City

2013· article· en· W2097626582 sur OpenAlexaff
Syed Zahid Husain, Stéphane Bélair, Sylvie Leroyer

Notice bibliographique

RevueJournal of Applied Meteorology and Climatology · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésMicroclimateEnvironmental scienceWater contentWind speedAtmospheric instabilityAtmospheric sciencesMoistureAtmosphere (unit)Relative humidityMeteorologyGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract The influence of soil moisture on the surface-layer atmosphere is examined in this paper by analyzing the outputs of model simulations for different initial soil moisture configurations, with particular emphasis on urban microclimate. In addition to a control case, four different soil moisture distributions within the urban and surrounding rural areas are considered in this study. Outputs from the Global Environmental Multiscale atmospheric model simulations are compared with observations from the Joint Urban 2003 experiment held in Oklahoma City, Oklahoma, and the relevant conclusions drawn in this paper are therefore valid for similar medium-size cities. In general, high soil moisture is found to be associated with colder near-surface temperature and lower near-surface wind speed, whereas drier soil resulted in warmer temperatures and enhanced low-level wind. Relative to urban soil moisture content, rural soil conditions are predicted to have larger impacts on both rural and urban surface-layer meteorological conditions. Dry rural and wet urban soil configurations are shown to have a strong influence on the urban–rural temperature contrast and resulted in city-induced secondary circulations that considerably affect the near-surface wind speed. Dry rural soil in particular is found to intensify the nocturnal low-level jet and significantly affect the thermal stability of nocturnal near-neutral urban surface layer by altering both thermal and mechanical generation of turbulence.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,183
Score d'incertitude au seuil0,624

Scores Codex et Gemma par catégorie

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

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 Opus0,007
Tête enseignante GPT0,212
Écart entre enseignants0,205 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations35
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Meteorology and ClimatologyMême sujetUrban Heat Island MitigationTravaux en français237 207