XiaoMi-AI文件搜索系统
World File Search System市内
估计巴格达市内电气柴油发电机的碳足迹
研究目标是猜测民用柴油发电机（EDG）在二氧化碳中产生的碳足迹值。这项研究评估了2023年巴格达电气柴油发电机的碳足迹。在这项工作中，碳足迹是指所有EDG产生的总CO 2。总碳足迹（生成的CO 2）为3454235.9吨/年。Al-Rusafa侧的EDG数量比Al-Karkh侧更大。结果，与Al-Karkh相比，Al-Rusafa产生了更多的电力和CO 2，可产生2,980.95 gwh/年，并发射2,086,665.8吨/年的Co 2，而Al-Karkh则产生1,953.67 GWH/年，并且EM摄入1,367,570.1 TONS/em em year Year Year Year Year Year Year Year Year Year; Co 2。这是由于与al-karkh一侧相比，al-Rusafa方面的人口较大。第一个Al-Sadr City和第二Al-Sadr城市部门的碳足迹最高（有效的CO 2产生）值，分别为12460.19吨/年KM 2和13214.79吨/年2月2日。Al-Dora中有效的碳足迹的最低值为4011.236吨/年KM 2。
使用聚类来了解热浪中的城市内变暖：对巴黎，蒙特利尔和苏黎世的见解
摘要我们通过将近地表的近表面空气温度与行星边界层高度进行聚类，从而引入了新的方法论进步，以表征分析的城市内群集。为了说明这种方法，我们分析了三个热浪（HWS）：2019年在巴黎，2018年的HW，蒙特利尔的2018 HW和Zurich的2017 HW。我们在热波事件发生之前，期间和之后评估基于群集的特征。，尽管该聚类通过中等分辨率成像光谱仪（MODIS）土地覆盖数据获得的建筑区域确定的城市群集与内置区域保持一致，但也可以识别出跨越几公里的其他当地热点，并扩展到建筑区域之外。使用客观的滞后模型，我们进一步确定了地面存储通量和全波向下辐射通量之间的磁滞循环的总体强度系数，在热浪期间，农村簇的城市群集的范围从0.414到0.457，从0.126到0.126到0.157。在所有城市中，随着热浪的进展，我们观察到累积的地面热通量中的加油率模式。这种提出的两组分聚类方法的未来发展，并将更具影响力的物理学和空间和时间分辨率的进步整合在一起，将为城市气候分析的城市提供更全面的特征。
盖恩斯维尔市内的租户权利
•在住宅的租金中区分，或者由于租房者或其他居住者的残疾而在租金中不可用，否认或施加条款，条件或特权。出于本节的目的，歧视包括：（a）拒绝以牺牲残疾人的费用，合理修改现有前处或被占领的合理修改，如果有必要对这样的人充分享受该前处的享受，则需要进行修改，但要租赁的情况下，就有合理的情况下，房东可能会租赁，但要租赁的情况下，房东可能会在此方面进行修改。在修改之前存在的条件的前提，合理的磨损； （b）拒绝在规则，政策，惯例或服务中合理的住宿，当可能需要提供此类住宿以使该人平等使用和享受住宅的机会时；和
衡量城市内通勤和经济活动...
∗作者感谢Lirneasia组织提供访问Sri Lanka手机数据，尤其是Lirneasia高级研究经理Sriganesh Lokanathan。作者还感谢shibasaki的Ryosuke Shibasaki通过孟加拉国的手机数据导航，到Anisur Rahman和Takashi Hiramatsu，以获取DHUTS调查数据，以及孟加拉国国际增长中心（IGC）孟加拉国的数据。孟加拉国的手机数据由该项目的亚洲开发银行（A-8074REG：“在河流流域管理中应用遥感技术”），这是ADB与东京大学之间的一项联合计划。我们感谢Lauren Li，Akira Matsushita和Zhongyi Tang，他们提供了出色的研究帮助。We sincerely thank David Atkin, Alexander Bartik, Abhijit Banerjee, Sam Bazzi, Arnaud Costinot, Dave Donaldson, Esther Duflo, Gilles Duranton, Jean-benoît Eymeoud, Ed Glaeser, Seema Jayachandran, Sriganesh Lokanathan, Danaja Maldeniya, Melanie Morten, Ben Olken, Lirneasia BD4D团队的成员史蒂夫·雷丁（Steve Redding）和MIT，Lirneasia，Neudc 2016的MIT的研讨会参与者，哈佛城市发展小型会议，ADB城市发展与经济学会议，UEA 2019，NBER CIETS和全球经济会议，以进行建设性评论和反馈。我们感谢Dedunu Dhananjaya，Danaja Maldeniya，Laleema Senanayake，Nisansa de Silva和Thushan Dodanwala在斯里兰卡的Hadoop Code和GIS数据提供帮助。我们还感谢Darin Christensen和Thiemo Fetzer的R代码来计算Conley标准错误（http://www.trfetzer.com/使用r-to-to-to-to-estimate-spatial-spatial-hac-errors-per-per-per-conley/），我们在其中构建了我们的代码。我们非常感谢国际发展研究中心（IDRC）和魏斯基金（Weiss）数据分析的资金，以及国际增长中心（IGC）的资金，以分析孟加拉国数据。†哈佛大学。电子邮件：gkreindler@fas.harvard.edu‡波士顿大学。电子邮件：miyauchi@bu.edu
迈向人工智能在城市内部的交互应用
20 世纪后期，数字文化的逐渐兴起导致了城市规划等不同领域的某些意想不到的用途，但它也从根本上影响了我们今天构想城市和公共空间的方式（Ethier 2016）。数字技术将城市内部转变为活跃的环境，随时准备适应不断变化的需求和条件。最近，数字技术将时间和空间的概念、各种主题的实时视频的艺术可塑性以及与选定地点和想法相关的信息结合在一起。科学家们正在讨论在当代背景下，计算机的技术范式如何产生类似的无法量化的效果。作为生成和传输图像的现代媒介，计算机使我们能够理解和修改我们的环境（Hansen 2004）。从这个意义上讲，本文作者将环境定义为现有的城市空间，特别是其组成要素之一——城市内部。这项研究构成了城市内部定义（其历史和存在）的更广泛领域的一部分，并介绍了影响空间感知的建筑物体和建筑元素的主题。基于案例研究方法，作者在文章的第二部分介绍了一些使用多媒体工具作为公共空间建筑新表达类型的案例。最后，本文得出结论并讨论了城市空间未来的前景，并批评了创意圈合作的现状，以及对所需艺术和工程行业专家知识的综合利用不足。