Effet des scénarios de mitigation de l'îlot de chaleur urbain sur la précipitation et la température à Montréal, Canada : deux études de cas
Bibliographic record
Abstract
Nous utilisons des expériences de prévision numérique du temps à haute résolution avec le modèle global environnemental multiéchelles (GEM) afin d’étudier l’effet de la surface sur la température, le confort thermique ainsi que la précipitation sur la région de Montréal (Canada). Nous étudions deux différents évènements de précipitation intense suivant des températures élevées durant les 2-3 jours précédant la pluie : le premier est un système à grande échelle traversant la région durant la nuit, et le deuxième, une ligne de grain qui croise la ville l’après-midi. Notre modèle est performant et représente adéquatement la température de l’air, la température du point de rosée et la précipitation lors des deux évènements étudiés, malgré que les systèmes semblent être légèrement bloqués en amont de la zone urbaine. Des expériences de sensibilité à l’occupation de la surface sont effectuées. Le remplacement de toutes les surfaces urbaines par de la végétation basse conduit à l’amélioration du confort thermique en diminuant l’indice de chaleur de 2-6°C. L’augmentation de l’albédo des surfaces urbaines mène à une amélioration du confort de 0.5-1°C dans la région, tandis que lors de l’ajout de végétation basse en ville, une amélioration du confort jusqu’à 0.5°C est relevée dans les régions urbaines denses seulement. En ce qui concerne la précipitation, le signal de la ville est seulement visible dans le cas de la ligne de grain, où le patron de précipitation est différent quand la ville est présente et quand elle est retirée numériquement. Ces résultats peuvent supporter des choix de design urbains futurs afin de réduire l’effet de l’îlot de chaleur urbain. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : simulations numériques, îlot de chaleur urbain, précipitation, température, confort
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".