MétaCan
Menu
Retour à la cohorte
Enregistrement W4402600055 · doi:10.3390/buildings14092945

The Role of Water Bodies in Climate Regulation: Insights from Recent Studies on Urban Heat Island Mitigation

2024· article· en· W4402600055 sur OpenAlexafffund
Zahra Jandaghian, Andrew F. Colombo

Notice bibliographique

RevueBuildings · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensNational Research Council Canada
Organismes subventionnairesInfrastructure Canada
Mots-clésUrban heat islandEvapotranspirationShadingEnvironmental scienceUrban planningUrban climateClimate changeTree plantingUrban morphologyEnvironmental planningGreen infrastructureVegetation (pathology)Environmental resource managementWater resource managementGeographyCivil engineeringMeteorologyEcologyAgroforestry

Résumé

récupéré en direct d'OpenAlex

Urban heat islands (UHIs) pose a significant challenge in cities worldwide, exacerbating energy use, air pollution, and health risks. This paper reviews the role of water bodies in mitigating UHI effects, which is vital for informed urban planning and climate adaptation. We analyze how water features, particularly when combined with green spaces and strategic urban design, can significantly cool urban environments. The effectiveness of water bodies in reducing temperatures is influenced by their size, shape, surrounding land use, climatic conditions, and vegetation. Empirical research and case studies indicate that larger and well-shaped water bodies, due to their extensive surface area and continuous evaporation, are more effective. Furthermore, the integration of water bodies with green spaces enhances cooling through increased evapotranspiration and shading. This review highlights the strategic placement and design of water bodies within urban landscapes as crucial for maximizing their cooling benefits. By integrating water features with other urban cooling strategies, such as tree planting and expanded greenery, cities can effectively counter UHI effects, leading to more sustainable and resilient urban environments.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,002
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,226
Écart entre enseignants0,217 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations98
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBuildingsMême sujetUrban Heat Island MitigationTravaux en français237 207