Analyzing impact of urban green infrastructure on nocturnal air temperatures using sensors and geospatial analysis: Implications for canopy-level urban heat Islands
Notice bibliographique
Résumé
Canopy-level Urban Heat Island (CUHI) refers to increased nocturnal air temperatures in an urban core as compared to a nearby rural region. The intensity of this phenomenon is stated to increase due to both climate change and urban densification. Urban green infrastructure, such as green alleys, are known to ameliorate CUHI and reduce temperature in their immediate vicinity and have therefore been promoted in cities like Montreal. However, an empirical relationship between the size and placement of a green infrastructure, and its ability to reduce nocturnal CUHI is still under investigation. For this study, LoRaWAN sensors were placed across a university campus to cover a diversity of land covers and portion visibility of the open sky. The sensors themselves were inside plastic Temperature and Humidity Solar Radiation Shields, and hung at 1.2 m height. Air temperature and humidity measurements were then collected continuously at 15 minute interval for 3 months. Findings suggest that the presence of impervious surfaces surrounding the sensors does lower nighttime temperatures (measured at 1am), particularly on days with high total solar irradiance and no rainfall. On these days, the percentage of impervious surfaces and Sky View Factor (SVF) within 10 m of the sensors has a causal relationship to observed air temperatures, with an observed difference of ~1 oC. Thus, pervious surfaces reduce night-time temperatures in the immediate vicinity of the sensors (i.e., within 100 m), suggesting that green spaces lower temperatures in urban canyons and also mitigate CUHI. • Geospatial & statistical analysis of 29 Air Temperature sensor data for 7 months • Sensor temperature at 1 am depended primarily on % impervious surfaces • Temperatures were highest on days with high total solar irradiance and no rainfall • Conversely, pervious surfaces 10 m around sensors decreased temperatures ~1 o C • Hence, green infrastructure like green alleys will help reduce temperature at night
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 | 0,001 |
| 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 ».