Analysing heat exposure in two German cities by using meteorological data from both within and outside the urban area
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
ABSTRACT As many cities are increasingly affected by heat waves, knowledge regarding those parts of cities most susceptible to heat exposure is essential for the implementation of directed adaptation measures. The frequency of heat waves is projected to increase in both German cities considered for this study: Karlsruhe and Berlin. By aggregating temperature data from meteorological stations within the two cities and their hinterlands, the local temperature distribution within the administrative city boundaries was assessed. A multiple regression approach was used to reveal the regional inter‐relationship between non‐meteorological factors such as altitude, population density and land use, on the one hand, and the heat distribution, on the other. This functional relationship was then applied at the city quarter level for the two cities. A model selection process was undertaken to find the most significant models describing the heat exposure of two heat indicators: heat wave days (HWDs) and tropical nights (TRNs). While altitude and population density were found to be the most significant explanatory variables for Karlsruhe, population density had a dominating influence on the distribution of heat at the city quarter level for Berlin. In Karlsruhe, models describing the daytime temperature performed best, whereas in Berlin those describing the night time temperature distribution had the highest statistical significance. This method could be used with relatively low financial and material expense to assess heat exposure in different city quarters even if there are insufficient meteorological stations within a 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.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle