MétaCan
Menu
Retour à la cohorte
Enregistrement W4375842636 · doi:10.4000/vertigo.36719

Variations microclimatiques et effet de la végétation dans la ville aride de Ghardaïa, Algérie

2022· article· fr· W4375842636 sur OpenAlexvenueno aff
Rachid Amieur, Djamila Rouag saffidine, Christiane Weber

Notice bibliographique

RevueVertigO · 2022
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsForestryArtGeography

Résumé

récupéré en direct d'OpenAlex

La caractérisation du climat urbain dans les villes chaudes et arides est essentielle pour comprendre les interactions des variables climatiques avec le bâti et la végétation. Les chaleurs estivales caniculaires constituent une contrainte extrême pour les citadins, en particulier la population à risque comme les jeunes enfants et les personnes âgées ou malades. La végétation contribue à améliorer le microclimat urbain de ces régions et est considérée comme un moyen de lutte contre les ICU (Ilots de Chaleur Urbains). Cette étude a pour objectif l’analyse des variations microclimatiques intra-urbaines et l’impact de la végétation dans la ville de Ghardaïa à travers une campagne de mesure in situ. Le comportement thermique des sites de mesures oscille entre ICU et IFU (Ilot de Fraicheur Urbain). L’étude a montré l’existence d’un « archipel » de chaleur à travers la ville. L’intensité maximale de l’ICU de chaleur est de 2.98°C. La température minimale nocturne est supérieure à 30°C, bien au-delà de la limite du confort thermique. Quant aux différences intra-urbaines, on note que la végétation produit un IFU maximal de 5.61°C. L’effet modérateur de la végétation durant le jour est dû principalement à l’ombre fournie par la canopée des arbres. Les sites végétalisés ne manifestent pas de différence significative d’humidité par rapport aux autres sites urbains. Il s’avère qu’un couvert végétal urbain plus dense et irrigué améliorerait davantage les conditions de confort en ville.

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 enseignants0,101
Score d'incertitude au seuil0,202

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 technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,235
Écart entre enseignants0,230 · 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 revueVertigOMême sujetUrban Heat Island MitigationTravaux en français237 207