Le toit comme outil de régulation environnementale : le cas montréalais
Bibliographic record
Abstract
Cette recherche s’inscrit dans le cadre du programme interdisciplinaire de recherche Ignis Mutat Res et vise à éclairer l’univers de l’architecture sur la capacité des toits à amener des solutions efficaces aux problématiques environnementales dans un contexte urbain dense et à forte consommation d'énergie. La volonté de réduire l’empreinte écologique des villes est aujourd’hui bien présente dans le monde de la recherche architecturale et urbaine, ayant ainsi fait preuve de son importance. Pourtant, la réduction de l’empreinte écologique des villes serait une approche globale difficile à quantifier économiquement. Le manque de méthodologie standardisée fait en sorte que les travaux sur le sujet empruntent des démarches qui ne dépassent pas l’étape exploratoire. Dans ce contexte, le mémoire porte sur l’élaboration d’un dispositif numérique d’évaluation des potentialités des toits horizontaux comme un outil d’aide à la décision pour les interventions urbaines visant à réduire l’empreinte écologique des villes, en utilisant le cas de Montréal. Ce type de toit est abordé comme un territoire d’investigation en contribution aux préoccupations reliées à la gestion de l’eau et à l’atténuation des îlots de chaleur. Plus précisément, cette recherche porte sur trois secteurs de l'île de Montréal. Ces échantillons correspondent à deux types de formes urbaines (résidentielle versus commerciale ou industrielle) et sont décortiqués dans le but d’identifier les déséquilibres entre les espaces naturels, faisant référence aux espaces verts (jardins, parcs et canopées) et les étendues minérales occasionnées par l'urbanisation. Ces rapports exprimés en superficies démontrent que l’étendue des toits est assez considérable pour compenser le manque d’espaces naturels en ville. La végétalisation des toits à l’échelle d’un secteur pourrait donc atténuer considérablement les problèmes environnementaux liés aux îlots de chaleur et à la gestion du ruissellement des eaux de pluie. La stratégie consistant à explorer l'hypothèse des 50 % de naturel versus 50 % de minéral pourrait contribuer grandement à l’autonomisation des villes et à la diminution de leurs dépendances vis-à-vis des ressources fossiles.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.011 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.021 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".