Modeling Tree Shade Coverage: Planting Recommendations for Optimizing Shade on the University of British Columbia Vancouver Campus
Notice bibliographique
Résumé
Tree shade in urban environments serves to improve human thermal comfort and building energy use during the summer months. Under future climates, tree shade becomes an even more important ecosystem service that promotes climate change resilience. Tree shade was modelled in order to optimize shade coverage on the University of British Columbia (UBC) Vancouver campus by providing recommendations for tree planting based on species and planting configuration. Using Light Detection And Ranging (LiDAR) point clouds of 463 individual trees from species considered resilient to climate change, median normalized shade area per species was modelled over the course of one day. Furthermore, the total tree shade for each neighbourhood on campus was modelled using the same LiDAR dataset in order to determine which planting configurations most effectively shaded buildings. The planting configurations of neighbourhoods with a higher percentage of total tree shade falling on buildings were examined in order to provide recommendations for future planting efforts. Deodar cedar and black pine were observed to provide the highest normalized median shaded area, and are recommended for planting in order to promote climate change resilience and shade cover on UBC campus. University Boulevard and Chancellor Place were found to be the neighbourhoods with the most efficient planting configurations for the purpose of shading buildings. This was due to trees planted in thin belts along the south-west and south-east faces of buildings, maximizing individual shade contributions from each tree along the sun-facing side of each building. This tree planting configuration is recommended for the optimal shading of important targets on UBC campus, especially when resources are limited and must be properly allocated.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».