MétaCan
Menu
Retour à la cohorte
Enregistrement W4226543012 · doi:10.5194/essd-2022-92

A global map of Local Climate Zones to support earth system modelling and urban scale environmental science

2022· preprint· en· W4226543012 sur OpenAlexaff
Matthias Demuzere, Jonas Kittner, Alberto Martilli, Gerald Mills, Christian Moede, Iain Stewart, Jasper van Vliet, Benjamin Bechtel

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNederlandse Organisatie voor Wetenschappelijk OnderzoekDeutsche Forschungsgemeinschaft
Mots-clésUrbanizationLand coverUrban heat islandEnvironmental resource managementSustainabilityUrban climateGeographyNatural resourceScale (ratio)Land useEnvironmental scienceClimate changeEarth system sciencePopulationEnvironmental planningCartographyMeteorologyCivil engineeringEcologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract. There is a scientific consensus on the need for spatially detailed information on urban landscapes at a global scale. This data can support a range of environmental services, as cities are acknowledged as places of intense resource consumption and waste generation and foci of population and infrastructure that are exposed to multiple hazards of natural and anthropogenic origin. In the face of climate change, urban data is also required to explore future urbanisation pathways and urban design strategies, in order to lock in long-term resilience and sustainability, protecting cities from future decisions that could undermine their adaptability. To serve this purpose, we present a 100 m resolution global map of Local Climate Zones (LCZs), an universal urban typology that can distinguish urban areas on a holistic basis, accounting for the typical combination of micro-scale land-covers and associated physical properties. The global LCZ map, composed of 10 built and 7 natural land cover types, is generated by feeding an unprecedented amount of labelled training areas and earth observation imagery into lightweight random forest models. Its quality is assessed using a bootstrap cross validation alongside a thematic benchmark for 150 selected functional urban areas using independent global and open-source data on surface cover, surface imperviousness, building height, and anthropogenic heat. As each LCZ type is associated with generic numerical descriptions of key urban canopy parameters that regulate atmospheric responses to urbanisation, the availability of this globally consistent and climate-relevant urban description is an important prerequisite for supporting model development and creating evidence-based climate-sensitive urban planning policies. This dataset can be downloaded from http://doi.org/10.5281/zenodo.6364594 (Demuzere et al., 2022a).

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,227
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,004
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 Opus0,010
Tête enseignante GPT0,212
Écart entre enseignants0,202 · 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'étudeSimulation ou modélisation
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

Citations31
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUrban Heat Island MitigationTravaux en français237 207