Can Surface-Cover Tiles Be Summed to Give Neighborhood Fluxes in Cities?
Notice bibliographique
Résumé
Abstract The paper addresses the question of whether the modeling practice of summing separate land-cover tiles to give urban fluxes at the neighborhood scale has merit. A central-city site in Basel, Switzerland, was instrumented to measure turbulent sensible heat fluxes Q H from the two main land-cover types (roofs and canyons) separately and from the whole neighborhood. Path-averaged Q H values were measured in the roughness sublayer (RSL) using scintillometry, and the spatially averaged Q H neighborhood-scale flux was measured in the inertial sublayer (ISL) by an eddy-covariance system. The roof and canyon flux results are combined and weighted according to the respective plan-area abundance of each to give an estimated value of the neighborhood flux. The results show that this “bottom up” approach underestimates the measured ISL values by about 25% when averaged across all periods and wind directions. This finding led to consideration of possible errors from instrumentation, inappropriate turbulent source areas, failure to sample representative surfaces, and inability to fully capture RSL heat exchange. Sorting data by the two main wind directions revealed significant differences. The measured fluxes in the ISL and across the canyon top depend little upon wind direction, but daytime roof values show a marked sensitivity to wind direction. Qualitative analysis suggests this might be caused by systematic controls such as solar angle, site morphometry, and observational setup. The comparison of bottom up versus ISL is inconclusive; in some conditions agreement appears promising, and in others it does not. The question has not been proven or disproven. It may be too ambitious to test the concept at a real-world site.
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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».