MétaCan
Menu
Retour à la cohorte
Enregistrement W4297359709 · doi:10.24191/jmeche.v19i3.19802

Variation of the Urban Heat Island Intensity over One Year in Putrajaya, Malaysia

2022· article· en· W4297359709 sur OpenAlexaff
Zambri Harun, Noor Izaety Azhar, Ashraf A. Abbas, Eslam Reda Lotfy, M.S.H. Al-Furjan, Amin Etminan

Notice bibliographique

RevueJournal of Mechanical Engineering · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesUniversiti Kebangsaan Malaysia
Mots-clésUrban heat islandPrecinctEnvironmental scienceWind speedRelative humidityIntensity (physics)GeographyAir temperaturePopulationMeteorologyPhysical geography

Résumé

récupéré en direct d'OpenAlex

This research was conducted to evaluate the variation of the urban heat island (UHI) effects in the planned city of Putrajaya over one year. Putrajaya, the administrative capital of Malaysia, is known for its meticulous town planning. The main observations are temperature variation, the changes in wind speed, percentage of relative humidity, and subsequently, the intensity of UHI in the research area. Putrajaya Corporation Complex Precinct 3 (P3) and Precinct 9 (P9) are located in the central business district (CBD) and residential areas respectively. These two places are representatives of UHI's effects on CBD and residential areas. Ultrasonic anemometers which measure 3 components of wind velocities and temperature were employed to analyse temperature and wind patterns. The result indicates the city experienced high temperatures during the day causing human heat stress and discomfort. The UHI intensities of the city are within the range of temperature differences 2 to 3 °C. Land surface cover and numbers of the population are the vital effects of the UHI. Thus, strategies to reduce the existing high air and surface temperature are required in the future.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

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)0,0000,000

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 Opus0,006
Tête enseignante GPT0,171
Écart entre enseignants0,165 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Mechanical EngineeringMême sujetUrban Heat Island MitigationTravaux en français237 207