MétaCan
Menu
Retour à la cohorte
Enregistrement W3117245045 · doi:10.1109/uemcon51285.2020.9298164

Remote monitoring of evapotranspiration from green roof systems

2020· article· en· W3117245045 sur OpenAlexaff
Jeremy Lytle, Devon Santillo, Kristiina Valter, Jeremy Wright

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésGreen roofEvapotranspirationMicroclimateEnvironmental scienceRoofComputer scienceRemote sensingEngineeringCivil engineeringGeographyEcology

Résumé

récupéré en direct d'OpenAlex

Green roofs are rapidly becoming ubiquitous tools for stormwater management in the urban setting for their ability to divert water from centralized treatment plants and support natural water cycles. In doing so, the performance of a green roof system is dependent on the process of evapotranspiration, which is a function of microclimatic conditions. The work herein presents a remote monitoring architecture for measurement of evapotranspiration performance from a variety of different green roof topologies in an urban setting. The data acquisition system employs an i2c bus to coordinate an array of loads cells, controlled by a central microcomputer which is WIFI connected and cloud interactive. Resulting datasets will contribute to the refinement of agricultural evapotranspiration models towards green roof applications, as well as the characterization of design and microclimate related performance impacts. Preliminary results indicate reliable functionality and data quality from the remote monitoring system. This outcome supports the value of active instrumentation and performance monitoring to the advancement of green roof technology. Going forward, post-processing methods will be expanded, and the system will be applied to additional green roof topologies for the 2021 growing season.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0020,001

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 Opus0,031
Tête enseignante GPT0,216
Écart entre enseignants0,185 · 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'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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUrban Heat Island MitigationTravaux en français237 207