Impacts of urban heat island effect on critical urban infrastructure: a review of studies published between 2012 and 2022
Notice bibliographique
Résumé
The urban heat island (UHI) effect has become a prominent urban characteristic in the last few decades and brings significant changes to the local urban climate. Such changes have severe impacts on the lifetime efficiency and performance of “ critical urban infrastructure” (CUI). As CUI forms the backbone of vital urban systems and socio-economic processes, it becomes important to understand the various impacts of UHI on different CUI elements. The impacts of UHI on CUI have consequently become a prominent study area within the urban research domain. This study presents a systematic bibliometric review of 118 relevant articles published within the last decade (2012–2022), selected from a variety of indexed, scholarly databases. The articles mainly focused on developed regions and large urban areas. The review shows a consistent upward trend in the annual number of publications on UHI effects with a peak reached in 2020. Of the four major CUI groups studied for UHI impacts, built form and energy and communication (with a strong focus on increased energy consumption) are the most prominent topics in the current literature, followed by transportation, and water and sanitation. Research on other CUI elements is still quite sparse, and significant efforts would be needed to identify the nature of UHI's impacts on these factors. This review highlights that the UHI impact on CUI is a developing research area that requires further attention and illustrates the state of knowledge and gaps present in current research. These findings provide a clear direction for future UHI impact studies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».