VISUALISATION OF DEPENDENCIES BETWEEN CITY STRUCTURE AND THERMAL BEHAVIOUR IN BRNO
Notice bibliographique
Résumé
Abstract. Good understanding of a city’s thermal regime and its dependency on the structure of the city provides key knowledge serving as an input for long-term strategic decision-making by local governments. The urban heat island, and more specifically overheating of the streets and adjacent buildings during summer heat waves, has been pointed out as an important issue in the city of Brno, Czech Republic. A complex research effort using remote sensing techniques has started which will analyse the impact of city structure on the thermal behaviour, principally the role of vegetation in the thermal regulation of streets. Two airborne data sets were acquired: hyperspectral data using CASI, SASI and TASI sensors (ITRES, Canada) and lidar mapping using a Riegl 680i instrument (RIEGL, Austria). The thermal data were acquired on two occasions: 7 February 2015 (winter season) and 4 July 2015 (summer season). A laser scanning data-set was acquired on 22 September 2015 with a point cloud density of approximately 15 points/m2. Surface temperature was retrieved from the thermal hyperspectral data by applying a temperature-emissivity separation algorithm. The 3-D structure of the city was classified from the laser scanning data; we distinguished three main classes: bare land, buildings and vegetation. In the paper we present figures comparing thermal behaviour with other features collected along linear transects through the central part of the city.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».