Estimation of Continuous Urban Sky View Factor from Landsat Data Using Shadow Detection
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Sky View Factor (SVF, a dimensionless value between 0 and 1 representing obstructed and unobstructed sky, respectively) has an important influence on urban energy balance, and is a key contributor to the Urban Heat Island (UHI) effect experienced by heavily built up regions. Continuous urban SVF maps used in modeling the spatial distribution of UHI can be derived analytically using Lidar data; however, Lidar data are costly to obtain and often lack complete coverage of large cities or metropolitan areas. This study develops and validates a method for estimating continuous urban SVF from globally available Landsat TM data, based on the presence of shadows cast by SVF-reducing urban features. SVF and per-pixel shadow proportion (SP) were first calculated for synthetic grid cities to confirm a logarithmic relationship between the two properties; then Lidar data from four US cities were used to determine an empirical regression relating SP to SVF. Spectral Mixture Analysis was then used to estimate per-pixel SP in a Landsat 5 TM image covering the Greater Vancouver Area, Canada, and the empirical regression was used to calculate SVF from per-pixel SP. The accuracy of the resulting SVF map was validated using independent Lidar-derived SVF data (R2 = 0.78; RMSE = 0.056).
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.
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) | 0,000 | 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 découle