MétaCan
Menu
Retour à la cohorte
Enregistrement W4409165768 · doi:10.1007/s12273-025-1261-7

Strategic deployment of urban trees to achieve thermal resilience in a Canadian community

2025· article· en· W4409165768 sur OpenAlexafffundabout
Lili Ji, Abhishek Gaur, James Voogt, E. Scott Krayenhoff

Notice bibliographique

RevueBuilding Simulation · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensUniversity of GuelphWestern UniversityNational Research Council Canada
Organismes subventionnairesNational Research Council CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésSoftware deploymentResilience (materials science)BusinessEnvironmental planningUrban resilienceEnvironmental resource managementGeographyEnvironmental scienceEngineeringCivil engineeringMaterials scienceUrban planning

Résumé

récupéré en direct d'OpenAlex

Abstract Climate change and urban heat islands are intensifying the frequency and severity of heatwaves, emphasizing the need for resilient and sustainable strategies to cool urban outdoor and indoor spaces. Urban trees are identified as an effective solution, yet limited studies address how different tree deployment strategies enhance building thermal resilience against heatwaves. This study examines the impact of strategic urban tree deployment on building thermal resilience across a neighborhood in London, Canada. Two deployment strategies are assessed: a straightforward strategy based on outdoor temperature hotspots, and a more complex strategy based on building indoor heat stress. The analysis incorporates tree growth and its effect on canopy coverage. A coupled microclimate-building performance simulation evaluates outdoor and indoor thermal conditions, with thermal resilience quantified using a novel method integrating microclimate effects, heat stress intensity, and exposure duration. Results indicated that when canopy coverage increases from 6% to the Nature Canada-recommended 30%, both strategies achieve similar maximum reductions in building surrounding outdoor air temperature (4.0 °C) and Standard Effective Temperature (6.9 °C), as well as comparable reductions in indoor thermal stress. However, at lower canopy coverage levels (≤20%), the indoor based strategy achieves a more uniform resilience distribution and enhances thermal resilience for the majority of buildings with poorer baseline conditions. At 30% canopy coverage and above, the differences between the two strategies become less pronounced, making tree deployment based on outdoor temperature hotspots a straightforward yet effective strategy for improving neighborhood thermal resilience.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,279
Écart entre enseignants0,259 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations6
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBuilding SimulationMême sujetUrban Heat Island MitigationTravaux en français237 207