Thermal environment control units for multi-objective urban optimization in territorial spatial planning
Notice bibliographique
Résumé
Urban heat island phenomenon significantly impacts urban thermal conditions, human well-being, and energy consumption, necessitating innovative urban thermal environment management approaches. This study introduces thermal environment control units (TECUs) to optimize urban thermal environments in territorial spatial planning, addressing the gap between current assessment tools and actionable, data-driven planning solutions. By leveraging the urban weather generator (UWG) model, we developed an optimization framework, dividing the central urban area of Guangzhou into 234 TECUs. The methodology involves UWG-based simulations and multi-objective parametric optimization. Analysis revealed significant spatial heterogeneity in thermal performance indicators: urban heat island intensity (0.87 °C-2.42 °C), universal thermal climate index (17.1 °C-27.0 °C), and cooling energy demand (5.32–28.76 W/m²). A case study optimization of a representative TECU demonstrated simultaneous improvements in all indicators through parameter tuning, including building height, density, and green coverage. The TECU approach bridges micro-scale thermal phenomena and macro-scale urban planning, providing a quantitative basis for incorporating thermal performance into the planning system. This methodology offers a pathway toward climate-resilient and thermally comfortable urban environments, addressing the challenges of rapid urbanization and climate change. The findings have significant implications for urban policy, design practices, and future research in creating sustainable and livable cities.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».