Effectiveness of street trees in reducing air temperature and outdoor heat exposure in Las Vegas
Notice bibliographique
Résumé
Abstract Urban greening and especially tree planting strategies are being widely planned and implemented to mitigate urban overheating and thermal stress in many urban areas. However, the effectiveness of these strategies depends on multiple factors, including urban morphology, environmental conditions, and tree characteristics. This study investigates the effects of street tree planting strategies on air temperature and outdoor heat exposure in Las Vegas by combining an urbanized mesoscale climate model coupled to a multi-layer street tree model (Weather Research and Forecasting-BEP-Tree; Δ x = 900 m) with a microscale pedestrian heat exposure model (Temperatures of Urban Facets for Pedestrian; Δ x = 1 m). A series of simulations are conducted for July and August 2022. Large city-wide increases of a drought tolerant tree species cool air temperature mainly during the nighttime (up to 1.5 °C), with daytime effects being limited due to leaves shedding sensible instead of latent heat as stomata close in response to high vapor pressure deficits. Increased evaporative cooling is achieved with a different tree species (double at night, and reaching 0.4 °C during the day), but water requirements increase threefold. Despite their relatively small effect on air temperature during the day, trees provide significant shade by intercepting solar radiation, reducing mean radiant temperature (up to 16 °C) and enhancing outdoor thermal comfort, a major benefit of street trees in hot arid climates. The nighttime cooling of trees and the daytime reduction of radiant loading show potential to reduce the heat-related health impacts. Our results highlight the need to evaluate the effects of street trees on a case-by-case basis.
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 | 0,002 | 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 ».