Patterns of outdoor exposure to heat in three South Asian cities
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
Low socio-economic status has been widely recognized as a significant factor in enhancing a person's vulnerability to climate change including vulnerability to changes in temperature. Yet, little is known about exposure to heat within cities in developing countries, and even less about exposure within informal neighbourhoods in those countries. This paper presents an assessment of exposure to outdoor heat in the South Asian cities Delhi, Dhaka, and Faisalabad. The temporal evolution of exposure to heat is evaluated, as well as intra-urban differences, using meteorological measurements from mobile and stationary devices (April-September 2016). Exposure to heat is compared between low-income and other neighbourhoods in these cities. Results are expressed in terms of air temperature and in terms of the thermal indices Heat Index (HI), Wet Bulb Globe Temperature (WBGT) and Universal Thermal Climate Index (UTCI) at walking level. Conditions classified as dangerous to very dangerous, and likely to impede productivity, are observed almost every day of the measurement period during daytime, even when air temperature drops after the onset of the monsoon. It is recommended to cast heat warnings in terms of thermal indices instead of just temperature. Our results nuance the idea that people living in informal neighbourhoods are consistently more exposed to heat than people living in more prosperous neighbourhoods. During night-time, exposure does tend to be enhanced in densely-built informal neighbourhoods, but not if the low-income neighbourhoods are more open, or if they are embedded in green/blue areas.
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