Synthesizing the evidence on green and blue infrastructure for urban temperature mitigation in Canada
Notice bibliographique
Résumé
Urban green and blue infrastructure (UGBI) is increasingly integrated into cities for its numerous benefits, particularly their cooling effects. As the body of evidence on UGBI cooling ability grows, systematic reviews are essential; however, Canadian studies have been notably absent from global reviews. This study synthesizes the evidence on UGBI cooling effect in Canadian cities, addressing gaps on cooler climates by examining the geographic, climatic, methodological, and UGBI-specific dimensions of the Canadian evidence. Following PRISMA guidelines, we retrieved 1062 articles from Scopus and Web of Science, and after rigorous screening and data extraction, analyzed 43 studies using a systematic review approach. The results reveal a significant increase in studies over time, with a concentration on major cities such as Toronto, Vancouver, and Montreal. Central Canada overwhelmingly represents the evidence base. Most research was conducted in cold climate zones and primarily focused on green infrastructure elements, such as trees, vegetation, and green roofs, primarily focusing on their abundance rather than configurational or functional attributes. Thermal impacts were mainly measured through air temperature, land surface temperature, and energy savings, with cooling effects generally higher during the daytime. Among UGBI types, trees and parks exhibited the strongest cooling effects. Methodologically, simulation and observational approaches dominated, with a significant focus on micro-scale analyses. The review highlights important gaps, including the underrepresentation of smaller cities and regions such as Atlantic Canada, limited research on blue infrastructure, and minimal integration of health outcomes. Addressing these gaps is critical for developing robust guidelines to enhance urban 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 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 | 0,000 | 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 ».