MétaCan
Menu
Retour à la cohorte
Enregistrement W4293067496 · doi:10.3390/w14111700

Hydrologic and Thermal Performance of a Full-Scale Farmed Blue–Green Roof

2022· article· en· W4293067496 sur OpenAlexafffundabout
Tamer Almaaitah, Darko Joksimovic

Notice bibliographique

RevueWater · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGreen roofMicroclimateEnvironmental scienceSowingHydrology (agriculture)Surface runoffMorningStormwaterRoofEnvironmental engineeringAgronomyGeographyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Conventional green roofs have been widely accepted as a climate change adaptation strategy. However, little is known about the potential of blue–green roofs and rooftop farms to control urban stormwater and improve microclimates. This study evaluates a farmed blue–green roof’s hydrologic and thermal performance over an entire growing season in Toronto, Ontario, Canada. The runoff discharge from three plots planted with various crops was monitored. The substrate and air temperatures at two elevations of different cultivated and self-sowing plant species were collected and compared to a control roof. Results indicate that planting and harvesting activities impacted the hydrologic performance. Mean values for retention ranged from 85–88%, peak attenuation ranged from 82–85%, and peak delay ranged from 7.7 to 8 h. At the lower elevation, the mean air temperature difference above okra, tobacco, and beet was 2.5 °C, whereas, above squash, potato, and milkweed, it was 1.4 °C. Maximum and moderate air-cooling effects were observed in the afternoon and evening, but a warming effect was observed in the early morning. Farmed blue–green roof evaluated in this study provides a runoff control and microclimate improvement comparable to or better than conventional green roofs, in addition to other benefits such as improving food security.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,357
Score d'incertitude au seuil0,997

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)0,0030,000

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 Opus0,005
Tête enseignante GPT0,165
Écart entre enseignants0,160 · 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

Citations18
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetUrban Heat Island MitigationTravaux en français237 207