Impact of COVID-19-Related Traffic Slowdown on Urban Heat Characteristics
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
Governments around the world have implemented measures to slow down the spread of COVID-19, resulting in a substantial decrease in the usage of motorized transportation. The ensuing decrease in the emission of traffic-related heat and pollutants is expected to impact the environment through various pathways, especially near urban areas, where there is a higher concentration of traffic. In this study, we perform high-resolution urban climate simulations to assess the direct impact of the decrease in traffic-related heat emissions due to COVID-19 on urban temperature characteristics. One simulation spans the January–May 2020 period; two additional simulations spanning the April 2019–May 2020 period, with normal and reduced traffic, are used to assess the impacts throughout the year. These simulations are performed for the city of Montreal, the second largest urban centre in Canada. The mechanisms and main findings of this study are likely to be applicable to most large urban centres around the globe. The results show that an 80% reduction in traffic results in a decrease of up to 1 °C in the near-surface temperature for regions with heavy traffic. The magnitude of the temperature decrease varies substantially with the diurnal traffic cycle and also from day to day, being greatest when the near-surface wind speeds are low and there is a temperature inversion in the surface layer. This reduction in near-surface temperature is reflected by an up to 20% reduction in hot hours (when temperature exceeds 30 °C) during the warm season, thus reducing heat stress for vulnerable populations. No substantial changes occur outside of traffic corridors, indicating that potential reductions in traffic would need to be supplemented by additional measures to reduce urban temperatures and associated heat stress, especially in a warming climate, to ensure human health and well-being.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,001 |
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.
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