MétaCan
Menu
Retour à la cohorte
Enregistrement W2973686562 · doi:10.3390/buildings9090206

Heat Transfer Behavior of Green Roof Systems under Fire Condition: A Numerical Study

2019· article· en· W2973686562 sur OpenAlexafffund
Nataliia Gerzhova, Pierre Blanchet, Christian Dagenais, Jean Côté, Sylvain Ménard

Notice bibliographique

RevueBuildings · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensUniversité du Québec à ChicoutimiFPInnovationsUniversité LavalNatural Sciences and Engineering Research Council of Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRoofGreen roofEnvironmental scienceHeat transferDeckIntensity (physics)Fire performancePorosityGeotechnical engineeringMaterials scienceStructural engineeringFire resistanceEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Currently, green roof fire risks are not clearly defined. This is because the problem is still not well understood, which raises concerns. The possibility of plants catching fire, especially during drought periods, is one of the reasons for necessary protection measures. The potential fire hazard for roof decks covered with vegetation has not yet been fully explored. The present study analyzes the performance of green roofs in extreme heat conditions by simulating a heat transfer process through the assembly. The main objective of this study was to determine the conditions and time required for the roof deck to reach a critical temperature. The effects of growing medium layer thickness (between 3 and 10 cm), porosity (0.5 to 0.7), and heating intensity (50, 100, 150, and 200 kW/m2) were examined. It was found that a green roof can protect a wooden roof deck from igniting with only 3 cm of soil coverage when exposed to severe heat fluxes for at least 25 minutes. The dependency of failure time on substrate thickness decreases with increasing heating load. It was also found that substrate porosity has a low impact on time to failure, and only at high heating loads.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,234
Écart entre enseignants0,222 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations10
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBuildingsMême sujetUrban Heat Island MitigationTravaux en français237 207