Park cool island modifications to assess radiative cooling of a tropical urban park
Notice bibliographique
Résumé
Many cities experience urban overheating from climate change and the urban heat island phenomenon. Previous studies demonstrate that parks are a potential nature-based solution to mitigate urban overheating through the ‘Park Cool Island’ (PCI) effect. PCI intensity can be measured through field measurements (FM) or remote sensing. This FM study used a network of meteorological sensors within a park and in its surrounding urban area to ascertain its PCI intensity in Singapore from January to December 2022. Consistently cooler air temperatures were found throughout a 24-h period in the park area, with mean daytime (nighttime) PCI intensity measured ~ 2.21 °C (~ 1.69 °C). A modified version of PCI (PCI modified ) was developed to highlight the radiative cooling differences between the urban and park areas. PCI modified leverages on the network of sensors to preserve the spatial granularity of data, allowing for the interpolation of point data across the study area. By employing Geographical Information Science concepts, the model visualises the diurnal changes in PCI modified intensities with respect to tree height, tree density, and building height; significant cooling is positively (negatively) correlated with tree height and density (building height). This study demonstrates a comprehensive analysis of PCI and cooling intensities of parks using FM in understudied tropical 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 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 | 0,001 |
| 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 ».