MétaCan
Menu
Retour à la cohorte
Enregistrement W2889141184 · doi:10.29007/qp7s

Object-Core Oriented Data Modelling for Tracking of Behaviors of Urban Heat Islands

2018· paratext· en· W2889141184 sur OpenAlexaff
Rui Zhu, Éric Guilbert, Man Sing Wong

Notice bibliographique

RevueEasyChair preprint · 2018
Typeparatext
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensUniversité Laval3v Geomatics (Canada)
Organismes subventionnairesnon disponible
Mots-clésThematic mapUrban heat islandTracking (education)Object (grammar)Period (music)Computer scienceGeographyCartographyClimatologyMeteorologyArtificial intelligenceGeologyPhysicsSociology

Résumé

récupéré en direct d'OpenAlex

Modeling thematic and spatial dynamic behaviors of Urban Heat Islands (UHIs) over time is crucial to understand the evolution of this phenomenon and the city micro-climate. Previous studies conceptualized that a UHI can only have a single life period with spatial behaviors (i.e. areal changes and topological transformations). However, a UHI can also appear and disappear periodically several times expressed by thematic and spatial integrated behaviors, which has not been established yet. Thus, this study conceptualizes each UHI as an object which has thematic and spatial behaviors simultaneously and proposes several graphs to depict periodic life-time transitions triggered by the behaviors. The model was implemented in an object-relational database, and air temperatures collected from a number of weather stations were interpolated as temperature images each hour for six weeks. Results indicated that the model could track the spatial and thematic evolution of UHIs through continuous time effectively, and also revealed the periodical patterns and abnormal cases of UHIs over 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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,061
Tête enseignante GPT0,299
Écart entre enseignants0,238 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEasyChair preprintMême sujetUrban Heat Island MitigationTravaux en français237 207