MétaCan
Menu
Retour à la cohorte
Enregistrement W4402600173 · doi:10.1007/s44327-024-00018-2

Enhancing Urban Climate Resistance Through the Application of Selected Strategies and Technologies

2024· article· en· W4402600173 sur OpenAlex
Caroline Hachem-Vermette

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueDiscover Cities · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueImpact of Light on Environment and Health
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésResistance (ecology)Environmental scienceEnvironmental planningClimate changeEnvironmental resource managementEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Adapting cities for climate resilience is crucial as climate change increases the frequency and severity of extreme weather events. This study outlines a comprehensive set of resilience strategies aimed at enhancing urban resilience across four key domains: water, food, shelter, and energy. These strategies, applicable to both new and existing neighborhoods, range from simple, short-term measures to complex, long-term initiatives. A three-pronged evaluation framework, consisting of three platforms, is introduced to assess these strategies where criteria are initially selected based on their impact on strategy adoption and implementation. This framework employs hypothetical scores and weights that can be adjusted for specific urban contexts through detailed studies. Key outcomes of the evaluation conducted in the first platform include a systematic method to rank strategies based on six criteria: cost, infrastructure impact, scalability, regulatory and zoning challenges, community acceptance, and maintenance needs. For example, community gardens and rainwater harvesting systems are highly scalable and accepted, whereas green roofs require more investment and maintenance. The second and third platform of the framework facilitate the identification of strategies that enhance resilience across each of the resilience domains, as well as across several domains. The results highlight the top-performing strategies under different weighted scenarios. Strategies like green roofs strategy scores high in domains like water management, due to its capacity to absorb and manage stormwater, and energy, by providing natural insulation that reduces heating and cooling demands. Additionally, green roofs contribute to food production when utilized for urban agriculture and enhance shelter by improving building durability and increasing biodiversity This data-driven framework supports the strategic prioritization of resilience strategies, enhancing urban planning and investment decisions globally. Its modularity ensures adaptability to diverse urban settings and climatic issues.

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.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,539
Score d'incertitude au seuil0,231

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 savante0,0000,001
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 Opus0,008
Tête enseignante GPT0,245
Écart entre enseignants0,237 · 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