Spatial bias in placement of citizen and conventional weather stations and their impact on urban climate research: A case study of the Urban Heat Island effect in Canada
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.
Notice bibliographique
Résumé
Citizen Weather Stations (CWS) are a source of Crowdsourced Geographic Information for urban climate research, which can provide extensive datasets in areas where data are scarce or unavailable. In this article, we explore the efficacy of using meteorological data from CWS in studying the Urban Heat Island (UHI) effect across Canada during late spring and summer of 2022. In particular, we evaluate the distribution of CWS before relying on them for UHI intensity estimates, since potential spatial biases in placement of these sensors can greatly affect canopy-level measurements. We compared the spatial distribution of Netatmo CWS with conventional weather stations from Environment and Climate Change Canada (ECCC), and found that ECCC sensors are more numerous in rural areas, while Netatmo sensors are present in greater numbers in urban areas. We then computed UHI intensity using urban temperature from Netatmo sensors and peri-urban temperature from ECCC sensors. The resulting intensity values were higher than those estimated using either the Netatmo or the ECCC sensors individually, thus highlighting the influence of sensor distribution in estimating UHI magnitude. Overall, our research explores the distribution of both ECCC and CWS sensors, and highlights their potential complementarity in urban climate research. • Citizen weather stations (CWS) are located largely in Census Metropolitan Areas (CMAs), surrounded mostly by built-up areas • Conventional weather stations are more distributed in rural areas, and are mostly surrounded by vegetation and water • Overall quantity of CWS increases with population • Spatial distribution of CWS and conventional sensors is complementary
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 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 | 0,001 | 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 découle