MétaCan
Menu
Retour à la cohorte
Enregistrement W4411725717 · doi:10.1109/jstars.2025.3583940

Spatiotemporal Relationship Between Human Activities and Urban Heat in Chinese Megacities Based on Multisource Remote Sensing

2025· article· en· W4411725717 sur OpenAlexfundno aff
Zhe Li, Jing Kang

Notice bibliographique

RevueIEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Natural Resources
Mots-clésMegacityRemote sensingUrban heat islandComputer scienceEnvironmental scienceMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Human activities have significantly reshaped urban thermal environments and intensified heat-related risks in rapidly urbanizing areas. Owing to its broad coverage and long-term monitoring capabilities, satellite remote sensing has become essential for tracking land surface temperature (LST) dynamics. In this study, MODIS LST data and WorldPop population density (PD) data retrieved from thermal infrared and multi-source remote sensing were used. Employing correlation analysis, standard deviational ellipse, and a coordination model, we comprehensively assessed the spatiotemporal relationship between human activities and urban heat in six Chinese megacities from 2005 to 2020. The main results revealed that: (1) although both PD and LST exhibited consistent upward trends in all cities during 2005–2020, the correlation between the two decreased while remaining significantly positive, suggesting that governance measures in megacities have helped improve urban thermal environments; (2) the correlation displayed periodic fluctuations. Dominant coordination types alternated between “heating advance” and “coordinated enhancement,” with “heating hysteresis” tending to occur alongside “coordinated enhancement,” reflecting dynamic policy adaptations to different stages of urban development; (3) significant intercity variation in the PD–LST relationship was attributed to differences in geographical conditions, development models, and industrial structures. For example, Guangzhou exhibited high PD and LST but the lowest PD–LST correlation (0.31) and the fastest decline (−1.12%/a), whereas Beijing exhibited lower PD and LST but the highest correlation (0.50) and lowest change rate (−0.60%/a). Based on these findings, we propose targeted heat environment regulation strategies tailored to each city's characteristics, providing practical guidance for enhancing heat environment governance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,619

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,024
Tête enseignante GPT0,249
Écart entre enseignants0,225 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Selected Topics in Applied Earth Observations and Remote SensingMême sujetUrban Heat Island MitigationTravaux en français237 207