Explicating the Urban Heat Island phenomenon using in-situ sensors
Bibliographic record
Abstract
Le changement climatique, défini comme les changements à long terme de la température mondiale et des régimes climatiques principalement dus aux activités anthropiques, affecte les écosystèmes, la biodiversité et la santé humaine. En conséquence, les populations urbaines sont particulièrement exposées aux maladies liées à la chaleur, exacerbées par l'effet d'îlot de chaleur urbain (UHI). La plupart des études sur l'UHI ont utilisé des données de température télédétectées en raison de leur disponibilité et de leur accessibilité, mais elles ne détectent que les différences de température de surface et il a été démontré qu'elles donnent une image des zones urbaines plus chaudes qu'elles ne le sont en réalité. En revanche, les capteurs in situ peuvent mesurer la température de l'air ambiant, qui influe sur le confort thermique et est directement liée à la mortalité cardiovasculaire. Actuellement, l'UHI ne peut être mesurée avec précision qu'à l'aide de stations météorologiques conventionnelles in situ, telles que celles exploitées par Environnement et Changement climatique Canada (ECCC). Cependant, de nouvelles approches basées sur la participation de la population et l'information géographique volontaire (VGI), telles que l'utilisation de capteurs à faible coût, combinées à des technologies géographiques, ont le potentiel d'ouvrir une nouvelle ère d'études climatiques à micro-échelle.Cette thèse vise à évaluer l'efficacité des capteurs in-situ dans la capture et l'estimation de l'intensité de l'UHI au Canada. Grâce à un examen approfondi de la littérature, les avantages des sources de données de température in-situ conventionnelles ou issues du crowdsourcing par rapport à d'autres sources sont identifiés. En outre, les défis liés à l'utilisation des données provenant de capteurs in situ pour les études sur les UHI sont également analysés. L'analyse souligne l'importance de la représentativité spatiale des capteurs in-situ, qu'ils soient conventionnels ou crowdsourcés, en raison de son influence sur l'estimation de l'intensité de l'UHI. Dans l'ensemble, cette thèse élargit la compréhension actuelle de l'utilisation des capteurs in-situ pour étudier la dynamique des UHI, ce qui profite aux initiatives d'élaboration de politiques et de planification urbaine qui visent à atténuer les impacts négatifs des UHI et à améliorer la résilience des villes face au changement climatique
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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 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".