MétaCan
Menu
Retour à la cohorte
Enregistrement W4416926470 · doi:10.36939/cjur/vol32no2/art410

Urban heat islands in transit-oriented development designated areas in a high-latitude city - Edmonton, Canada

2024· article· W4416926470 sur OpenAlexafffundvenueabout
Sandeep Agrawal, Ghazal Lotfi, Nilusha Welegedara

Notice bibliographique

RevueCanadian journal of urban research · 2024
Typearticle
Langue
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesAlberta Ecotrust Foundation
Mots-clésUrban heat islandVegetation (pathology)PopularityLand useUrban planningLand cover

Résumé

récupéré en direct d'OpenAlex

Transit-oriented developments (TODs), as a smart growth policy, have gained popularity as a way to combat the negative effects of urban sprawl. TODs are also purported to have both environmental and socio-economic benefits. However, little or no research exists regarding their environmental impact, specifically in high-latitude cities. This study aims to bridge the knowledge gap in the literature by analyzing the relationship between TODs and the urban heat island (UHI) effect, which is an environmental phenomenon that results in high temperatures in urban areas. We studied seven transit stations in the city of Edmonton, Canada designated as sites of transition to TODs, to determine the extent of UHI effects in TODs in high-latitude cities. Our results show a significant UHI effect in Edmonton’s TOD-designated (TODD) areas over the last decade compared to non-TODD areas. The variation was mainly linked to the reduced vegetation cover at the expense of increasing developments. Although non-TODD areas also experienced an increase in temperature, the rate of increase in land surface temperature (LST) and UHI effect was higher in the select TODD areas. Our findings suggest urban planners should consider UHI mitigation strategies such as preserving or increasing natural landscape as a key requirement to developing and designing the newly built forms in TODD areas.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,137

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,001
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 Opus0,032
Tête enseignante GPT0,263
Écart entre enseignants0,231 · 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'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

Citations1
Publié2024
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian journal of urban researchMême sujetUrban Heat Island MitigationTravaux en français237 207