MétaCan
Menu
Retour à la cohorte
Enregistrement W4245671604 · doi:10.5194/isprsannals-iii-2-3-2016

TRACKING THE SPATIAL EVOLUTION OF URBAN HEAT ISLANDS

2016· article· en· W4245671604 sur OpenAlexaff
Rui Zhu, Éric Guilbert, Man Sing Wong

Notice bibliographique

RevueISPRS annals of the photogrammetry, remote sensing and spatial information sciences · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueRemote Sensing and Land Use
Établissements canadiensUniversité Laval3v Geomatics (Canada)
Organismes subventionnairesHong Kong Polytechnic University
Mots-clésUrban heat islandMerge (version control)GridUrbanizationComputer scienceData miningMeteorologyGeographyEcologyGeodesy

Résumé

récupéré en direct d'OpenAlex

The urban heat island (UHI) phenomenon occurring in the urban areas or city-clusters is increasingly becoming a severe problem in the urbanization process. Previous research mainly rely on grid analysis techniques to study temperature data from images recorded at fixed time instants. The evolutionary process of UHI in both time and space has not been investigated yet. This research designs an object-oriented spatiotemporal model to reconstruct the evolution of UHI and provide a qualitative interpretation. Each UHI is modeled as a spatiotemporal field object with it own life cycle. Dynamic behavior of an UHI is defined by sequences of spatial changes (e.g. contraction or expansion) and topological transformations (e.g. merge or split). The model is implemented in an object-relational database and applied to air temperature data collected from weather stations every hour over three days. UHIs with their behavior were extracted from the data. Results suggest that the model can effectively track and provide a qualitative description of the UHI evolution.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,963

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,032
Tête enseignante GPT0,256
Écart entre enseignants0,225 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueISPRS annals of the photogrammetry, remote sensing and spatial information sciencesMême sujetRemote Sensing and Land UseTravaux en français237 207