Ein einfaches, effektives Umweltüberwachungsprotokoll zur Messung von Temperatur, Luftfeuchtigkeit, Windgeschwindigkeit und Kohlendioxidvariationen auf städtischen Oberflächen mit unterschiedlicher Sonneneinstrahlung, beeinflusst vom städtischen Wärmeinseleffekt.
Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.
Methodenartikel
Überwachung der CO2-Variabilität auf Fassadenebene unter städtischen Wärmeinselbedingungen mit kostengünstigen Sensor-Datenloggern
In diesem Artikel
Zusammenfassung
Zusammenfassung
Urbanisierung und rasche Veränderungen der Landnutzung haben den städtischen Wärmeinseleffekt (UHIE) verstärkt, was zu erhöhten Umgebungstemperaturen, veränderter Luftfeuchtigkeit und einer erhöhten Ansammlung von Kohlendioxid (CO2) in dichten städtischen Umgebungen führt. Diese mikroklimatischen Veränderungen beeinflussen nicht nur den thermischen Komfort, sondern auch die Außenluftqualität und damit die Dynamik der Innenbelüftung. Aktuelle Überwachungsansätze, wie Satellitenfernerkundung und Luftqualitätsstationen im Stadtmaßstab, liefern wertvolle Einblicke, fehlen jedoch die räumliche Auflösung auf Fassadenebene, die für Interventionen auf Gebäudeebene erforderlich ist.
Diese Studie präsentiert ein reproduzierbares, kostengünstiges Protokoll zur fassadenspezifischen Überwachung vonCO2, Temperatur und Luftfeuchtigkeit unter Verwendung von nicht-dispersiven Infrarotsensoren (NDIR), die mit Mikrocontroller-Datenloggern integriert sind. Sensormodule werden auf kontrastierenden thermischen Zonen – sonnenbelichtete und beschattete Fassaden – eingesetzt, um tägliche Schwankungen über einen 24-Stunden-Zyklus zu erfassen. Die Kalibrierung anhand vonCO2-Konzentrationen im Außenbereich gewährleistet Messgenauigkeit und Vergleichbarkeit zwischen den Sensoren. Die Methode wurde in vier indischen Städten mit unterschiedlichen städtischen Formen validiert. Die Ergebnisse zeigten durchweg höhereCO2-Konzentrationen in dicht bebauten Zonen im Vergleich zu benachbarten grünen Fassaden, mit Unterschieden von 19 ppm (Pune, Indien) bis 78 ppm (Chennai, Indien). Diese Gradienten waren zudem mit lokalen Temperaturanstiegen von bis zu 2 °C und reduzierter relativer Luftfeuchtigkeit verbunden, was die Rolle von UHIE bei der Verschärfung der Schadstoffretention bestätigt.
Das vorgeschlagene Protokoll bietet einen skalierbaren, feldfreundlichen Ansatz für die Bewertung des städtischen Mikroklimas, die Optimierung der Klimaanlage und die Umweltgesundheitsforschung. ÜberCO2 hinaus kann die Methodik erweitert werden, um zusätzliche Luftqualitätsparameter wie PM₂.₅, PM₁₀ und VOCs zu erfassen, was eine umfassende Bewertung der städtischen Luftqualität ermöglicht. Durch die Bereitstellung von Fassadenebene und Echtzeit-Einblicken unterstützt dieses Monitoring-Framework datengetriebene Entscheidungen für nachhaltiges Gebäudedesign, intelligente Belüftungssysteme und langfristig klimaresiliente Stadtplanung.
Einleitung
Der städtische Wärmeinseleffekt (UHIE) ist ein anhaltendes klimatisches Phänomen, bei dem städtische Regionen im Vergleich zu ihrer ländlichen Umgebung erhöhte Temperaturen erleben, hauptsächlich aufgrund anthropogener Wärmeemissionen, dichter Oberflächenmaterialien und verminderter Vegetationsbedeckung 1,2,3. Erhöhte städtische Temperaturen verändern lokale Mikroklimata und beeinflussen Windstrom, Luftfeuchtigkeit und die Rückhaltung atmosphärischenCO2 1,4. In dicht bebauten Umgebungen reduziert die thermische Schichtung das natürliche Luftmischen und verstärkt dadurch die CO₂-Ansammlung auf Fußgängerebene, was wiederum sowohl die Luftqualität als auch die öffentliche Gesundheit beeinflusst 5,6.
Die urbane Morphologie beeinflusst das mikroklimatische Verhalten und dieCO2-Dynamik stark, insbesondere auf der Bau- und Nachbarschaftsskala2. Schwankungen in der Sonneneinstrahlung zwischen schattigen und sonnenbelichteten Fassaden erzeugen messbare Temperatur-, Luftfeuchtigkeits- und Schadstoffkonzentrationen. Während Satelliten- und Fernerkundungsansätze die großflächigen UHIE-Muster effektiv erfassen, bleibt die In-situ-Überwachung im Fassaden- oder Gebäudemaßstabbegrenzt.
Diese feinkörnige Auflösung ist zunehmend entscheidend, da der Klimawandel die Intensität von UHIE verstärkt. Städte benötigen kosteneffiziente und skalierbare Methoden, um thermische und luftqualitätsrisikenzu überwachen und zu mindern 4,7,8. Um diese Lücke zu schließen, führt die vorliegende Studie ein sensorbasiertes Protokoll zur räumlichen und zeitlichen Überwachung von CO2-Schwankungen in städtischen Mikroumgebungen ein. Kostengünstige NDIRCO2-Sensoren und Thermohygrometer wurden an sonnenbelichteten und beschatteten Fassaden eingesetzt, um den Einfluss von thermischer Exposition und Luftströmung auf dieCO2-Retention zu bewerten. Daten wurden sowohl aus hochdichten bebauten Zonen als auch aus grün schattierten Gebieten erhoben, was eine Bewertung der Auswirkungen der Landnutzung auf Emissionsmuster ermöglicht.
Durch den Fokus auf Mikroklimata auf Fassadenebene identifiziert dieser Ansatz kritische Umweltgradienten, die die Luftchemie unter realen Baubedingungenbeeinflussen 1,2,5. Die Ergebnisse sind für mehrere Bereiche relevant, darunter urbane Klimatechnik, Luftqualitätsmodellierung, nachhaltige Architektur und HLK-Design. Insbesondere kann die Identifizierung vonCO2-reichen Fassaden, Fahrzeugemissionshotspots und schlecht belüfteten Zonen die Platzierung von Lufteinlässen informieren, passive Belüftungsstrategien leiten und klimasensibles Stadtdesignunterstützen 4,7. Mit der Einführung von Minderungsstrategien wie Gründächern, reflektierenden Beschichtungen, begrünten Fassaden und Materialien mit hohem SRI liefert eine präzise Überwachung auf Fassadenebene quantitative Belege, um die Leistung zu validieren und langfristige klimaresiliente Maßnahmenzu informieren 3,8.
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Protokoll
1. Sensorkalibrierung und -einrichtung
Abbildung 1: Wechselstrombetriebenes Sensormodulgehäuse. Eine 230-V-Wechselstrom-Sensoreinheit mitCO2-, Temperatur- und Luftfeuchtigkeitssensoren, die für kontinuierliche mikroklimatische Überwachung verwendet wird. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.
- Bereite Sensormodule vor.
- Bauen Sie das Sensormodul (Abbildung 1) mit einem NDIR CO₂-Sensor und einer kombinierten Temperatur-Luftfeuchtigkeits-Sonde zusammen.
- Konfigurieren Sie den mikrocontrollerbasierten Datenlogger mit einem Echtzeit-Uhrmodul und einem sicheren digitalen (SD-)Kartenschirm.
- Stellen Sie die Protokollfrequenz auf eine Messung alle 10 Minuten ein.
- Platzieren Sie die Baugruppe in ein wetterfestes Gehäuse, typischerweise ein Gehäuse aus Polypropylen, und stellen Sie sicher, dass alle Leitungen isoliert und die Steckverbinder fest befestigt sind.
- Sensorfunktion testen und Kalibrierung an der frischen Luft durchführen.
- Platzieren Sie alleCO2- und Temperatur-Luftfeuchtigkeitssensoren in einem gut belüfteten Außenbereich (Abbildung 2).
- Verbinden Sie sich mit einer stabilen Stromquelle, vorzugsweise einem 230-V-Wechselstrom-zu-DC-Adapter oder einer Batteriebank, die für den kontinuierlichen Betrieb von 24 Stunden ausgelegt ist.
- Lassen Sie die Sensoren für 5–10 Minuten stabilisieren und zeichnen Sie die Ausgangswerte von CO₂ (ca. 410 ppm ± 3 %) auf, um die Konsistenz zwischen den Geräten zu überprüfen (innerhalb von ±3 % oder ±10 ppm).
- HINWEIS: CO₂-, Temperatur- und Luftfeuchtigkeitssensoren mit integrierter Datenerfassung sind kommerziell erhältlich und bieten eine kostengünstige Option für standardisierte Umweltüberwachungsanwendungen.
Abbildung 2: Sensorkalibrierungs-Setup. Ein 230-V-Wechselstrom-Sensormodul, das zur Kalibrierung konfiguriert ist, um Messkonsistenz über alle eingesetzten Sensoren zu gewährleisten. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.
2. Standortwahl und Einsatz von Sensormodulen
- Identifizieren Sie kontrastierende thermische Zonen.
- Wählen Sie zwei oder mehr kontrastierende städtische Typologien innerhalb des Ortes aus, typischerweise rund um das Gebäude oder die Interessenzone: (a) hochdichte bebaute Fläche, (b) angrenzende, niedrigdichte grüne oder schattierte Fläche, (c) straßenausgerichtete Fassade und (d) Fassade mit Außen-HVAC-Wärmeableitungen.
- Installieren Sie Sensoren an mehreren Fassaden, wo anwendbar, um thermische und Schadstoffvariationen zu erfassen.
- Sensoren anbringen.
- Montieren Sie das Sensormodul (Abbildung 3) mit Edelstahlhalterungen, die mit Mauerwerksschrauben oder Gurtseilen an Gittern oder Wandhaken befestigt sind.
- Halten Sie für jede Fassade auf dem Boden eine Standardmontagehöhe von 1–2 m über dem lokalen Bodenniveau ein. Die genaue Höhe kann je nach Zugänglichkeit, verfügbarer unterstützender Infrastruktur und Fassadengeometrie je nach Etage oder Gebäude variieren.
- Erfassen Sie die Richtungsrichtung (z. B. östliche Fassade neben der Straße) und nahegelegene Hindernisse (z. B. HLK-Einheiten, Wände).
- Konfigurieren Sie Stromversorgung und Logging.
- Stellen Sie eine kontinuierliche Stromversorgung sicher. Schließen Sie das Modul an einen 230-V-Wechselstrom-zu-12-V-Gleichstromadapter mit Überspannungsschutz an oder verwenden Sie eine Lithium-Ionen-Batteriebank, die für mindestens 24 Stunden Betrieb ausgelegt ist.
- Überprüfen Sie die Sensorausgabe, indem Sie Live-Messungen auf der Anzeige- oder Logger-Schnittstelle beobachten, um eine stabile Verbindung und aktive Datenerfassung zu bestätigen.
VORSICHT: Verwenden Sie 230-V-Wechselstromgeräte mit isolierten Handschuhen und vermeiden Sie während der Einrichtung Kontakt mit stromführenden Leitungen.
Abbildung 3: Im Feld eingesetztes Sensorgehäuse. Ein regengeschütztes Sensorgehäuse, das an einer Gebäudefassade in Chennai installiert wurde, umCO2-, Temperatur- und Luftfeuchtigkeitsdaten zu erfassen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.
3. Datenerhebung
- Beginnen Sie mit der Datenerfassung.
- Versorgen Sie den Logger, damit er mit der Aufzeichnung beginnt und den täglichen Messzyklus erfasst.
- Erlauben Sie dem Logger, 24 Stunden kontinuierlich zu arbeiten, mit einem Datenprotokollintervall von 10 Minuten, um ganztägige Schwankungen in CO₂-Konzentration, Temperatur und Luftfeuchtigkeit zu erfassen.
- Überprüfen Sie, dass die Zeitstempel über alle Sensoren vor und nach der Bereitstellung synchronisiert bleiben.
- Erfassen Sie Start- und Stoppzeiten manuell in einem Feldlogbuch, um redundante Backup-Dokumentation bereitzustellen.
4. Datengewinnung und Visualisierung
Abbildung 4: Überwachungs-Dashboard-Schnittstelle. Ein Schnappschuss des cloudbasierten Dashboards, das Echtzeit- und historische Sensordatenvisualisierungen zeigt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.
- Daten abrufen.
- Werfen Sie die SD-Karte sicher aus und stecken Sie sie in einen Kartenleser; kopieren Sie die CSV-Dateien in den vorgesehenen Projektordner.
- Für WLAN-fähige Logger verbinden Sie sich über die lokale SSID und laden Sie die Logs über das IP-basierte Dashboard herunter (Abbildung 4).
- Verarbeiten Sie die abgerufenen Daten mit einer Tabellenkalkulation oder einer Datenanalyse-Software zur Vorbereitung auf die Visualisierung.
- Erstelle Diagramme.
- Erstellen Sie ein mehrvariables Liniendiagramm, das dieCO2-Konzentration und -Temperatur auf der primären y-Achse sowie die relative Luftfeuchtigkeit (RH) auf der sekundären y-Achse zeigt, um einen direkten Trend-Vergleich zu ermöglichen.
- Beschriften Sie die x-Achse als "Zeit", die primäre y-Achse als "CO2 (ppm)/Temperatur (°C)" und die sekundäre y-Achse als "Relative Humidity (%)".
- Füge eine Legende hinzu, um Variablen zu unterscheiden, und annotiere Spitzenwerte (typischerweise zwischen 11:00 und 15:00) für den Vergleich zwischen den Standorten.
HINWEIS: Siehe Abbildung 5, Abbildung 6, Abbildung 7 und Abbildung 8 für repräsentative Diagramme der CO₂-Konzentration im Verhältnis zur Zeit.
5. Qualitätskontrolle
- Führen Sie Datenvalidierung durch.
- Identifizieren und entfernen Sie Ausreißer oder Datenpunkte, die aufgrund von Zeitstempelunregelmäßigkeiten oder Gerätekommunikationsfehlern markiert werden.
- Kalibrieren Sie bei Bedarf neu.
- Wenn die Analyse nach dem Experiment eine Sensordrift von über 3 % (±10 ppm) zeigt, wiederholen Sie die in Schritt 1.2 beschriebene Basiskalibrierung und erfassen Sie die Daten unter identischen Bedingungen erneut.
6. Optional: saisonale oder Mehrstandort-Bereitstellung
- Erweitern Sie das Fachgebiet.
- Erweitern Sie die Deployment, indem Sie Sensoren an allen Fassaden und auf mehreren vertikalen Ebenen (z. B. Boden, Mittel- und Dach) installieren, um vertikale thermische undCO2-Gradienten zu erfassen.
- Führen Sie saisonale Überwachung während Sommer-, Winter- und Monsunzeiten durch, um zeitliche und tägliche Variabilität vonCO2 und Temperatur zu bewerten.
- Führen Sie saisonale Trendanalysen durch.
- Analysieren Sie Ergebnisse über Standorte und Jahreszeiten hinweg, um wiederkehrende Perioden erhöhtenCO2- und thermischen Stresses zu identifizieren.
- Erstellen Sie vergleichende Visualisierungen, um den Einfluss von Gebäudeorientierung, Flächennutzung und Fassadenzusammensetzung aufCO2- und Temperaturschwankungen zu bewerten.
7. Fehlerbehebung
- Stromunterbrechung.
- Bei einem Stromausfall während des Einsatzes werden das Modul wieder an einen stabilen 230-V-Wechselstrom-zu-5-V-Gleichstromadapter angeschlossen oder eine Lithium-Ionen-Batteriebank mit mindestens 320 Wh Kapazität verwendet, um einen unterbrochenen 24-Stunden-Betrieb zu gewährleisten.
- Stellen Sie sicher, dass die Batteriebank vor der Neueinlösung vollständig geladen ist, um Datenverluste zu vermeiden.
- Logger-Ausfall oder unvollständige Daten.
- Wenn keine Daten aufgezeichnet werden, überprüfen Sie die Leitungskontinuität mit einem Schaltungstester und überprüfen Sie die Stromversorgung mit einem Spannungsmessgerät.
- Verwenden Sie ein digitales Multimeter, um den Sensorausgang (5 V Gleichstrom) zu überprüfen.
- Ersetzen Sie beschädigte SD-Karten oder setzen Sie den Mikrocontroller zurück und wiederholen Sie dann die Basiskalibrierung (Schritt 1.2) vor der erneuten Bereitstellung.
- Beschädigte Rohrleitung oder lose Verkabelung.
- Wenn das Schutzrohr beschädigt oder die Verkabelung freiliegt, ziehen Sie sofort den Strom ab und ersetzen Sie das Rohr durch UV-beständige PVC-Schläuche, die dem Kabeldurchmesser entspricht und deren Länge 1,5-mal so lang ist wie der freiliegende Abschnitt, um auf beiden Seiten volle Abdeckung und Freiraum zu gewährleisten.
- Überprüfen Sie die Verbindungsintegrität mit einem Durchgangstester, bevor Sie den Strom wiederherstellen.
- Sensordrift oder ungenaue Messwerte.
- Wenn die Daten über ±3 % (±10 ppm für CO₂) abweichen, kalibriere die Sensoren mit dem in Schritt 1.2 beschriebenen Open-Air-Basisverfahren neu.
- Zeichnen Sie stabilisierte Basiswerte auf, um die Genauigkeit zu bestätigen, bevor Sie die Datenerhebung fortsetzen.
- Verlust der drahtlosen Datenübertragung.
- Wenn die WLAN-Übertragung fehlschlägt, überprüfen Sie die Konfiguration der Logger-Service-Set-Identifikatoren (SSID) und den Router-Bereich. Setze den Mikrocontroller zurück und gib die WLAN-Zugangsdaten erneut ein.
- Als Backup entferne die SD-Karte und rufe die CSV-Datenprotokolle manuell ab.
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Ergebnisse
Die aufgezeichneten Daten zeigen ein konsistentes stadtübergreifendes Muster: Die externen CO₂-Konzentrationen sind in Gebieten mit hoher Konkretisierung im Vergleich zu angrenzenden grünen Zonen deutlich höher.
In Chennai (Abbildung 9) wurde ein Unterschied von 78 ppm zwischen der betondominanten Ostfassade (490 ppm) und der schattierten grünen Nordfassade (412 ppm) beobachtet. Dieser Kontrast wurde durch das Vorhandensein von Au...
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Diskussion
Ein entscheidender Schritt in diesem Protokoll ist die Basiskalibrierung und Synchronisation von CO₂-, Temperatur- und Luftfeuchtigkeitssensoren. Eine genaue Kalibrierung in schattierten, offenen Umgebungen ist unerlässlich, um die Konsistenz zwischen den Sensoren sicherzustellen und Drift während des Einsatzes zu minimieren1. Falsche Platzierung oder ungleichmäßige Sonneneinstrahlung kann zu falschen Gradienten führen; daher sind es wichtige Überlegungen, eine Mo...
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Offenlegungen
Die Autoren haben nichts offenzulegen.
Materialien
| Name | Unternehmen | Katalognummer | Kommentare |
|---|---|---|---|
| Arduino IDE | Arduino | v2.x | Zum Programmieren und Debuggen von ESP32/Arduino-Boards |
| CO2 Sensor, NDIR (Nicht-Dispersives Infrarot) | Sensirion | SCD40 / SCD41 | Verwendet für Echtzeit-Überwachung von CO2 |
| Datenlogging-Mikrocontroller (ESP32) | Espressif | ESP32 DevKitC | Zur Erfassung von Sensordaten; unterstützt WLAN und SD-Karten |
| Feuchtigkeits- und Temperatursensor | Sensirion | SHT21 | Zur Messung von Umgebungstemperatur und relativer Luftfeuchtigkeit |
| MicroSD-Karte (32 GB oder mehr) | SanDisk / Kingston | Verschiedene | Speichert Zeitreihendaten von CO2, Temperatur und Feuchtigkeit |
| MicroSD-Kartenmodul | Generischer Lieferant | N/A | Schnittstelle zwischen ESP32 und SD-Karte zur Datenerfassung |
| Netzteil (Wechselstrom zu 5V Gleichstrom) | Generischer Lieferant | N/A | Wandelt 230 V Wechselstrom in stabile 5 V Gleichstrom um |
| Python-Softwareumgebung | Python.org | v3.10 (Pandas 1.5, Matplotlib 3.7) | Für fortgeschrittene Datenanalyse, Visualisierung und Automatisierung |
| Regendichtes Sensorgehäuse | Polypropylen/3D-gedruckt | N/A | Perforiertes Gehäuse zum Schutz der Elektronik vor Regen und Staub |
| Seil oder Montagegeschirr | Generika | N/A | Verwendet für gesicherte Fabrik und Eccedil; ADE-Montage auf erforderlicher Höhe |
| SD-Kartenleser/-schreiber | Jede USB-Schnittstelle | N/A | Zum Übertragen von Daten von der SD-Karte auf den PC |
| Excel | Microsoft | N/A | Für Nachbearbeitungs-Zeitreihendaten |
| Analysis | LibreOffice | N/A | Tabellenkalkulationssoftware für die Nachbearbeitung von Zeitreihendaten |
| USB-Kabel (Mikro/Typ-C) | Generika | N/A | Verwendet zur Programmierung und Versorgung des ESP32-Moduls |
Referenzen
- Hirano, Y., Yoshida, Y. Assessing the effects of CO reduction strategies on heat islands in urban areas. Sustain Cities Soc. 26, 383-392 (2016).
- Gago, E. J., Roldan, J., Pacheco-Torres, R. The city and urban heat islands: A review of strategies to mitigate adverse effects. Renew Sustain Energy Rev. 25, 749-758 (2013).
- Wong, N. H., Jusuf, S. K. Urban Heat Island and Mitigation Strategies at City and Building Level. Advances in the Development of Cool Materials for the Built Environment. , Bentham Science Publishers. (2013).
- Irfeey, A. M. M., et al. Sustainable mitigation strategies for urban heat island effects in urban areas. Sustainability. 15 (14), 10767(2023).
- Pioppi, B., Pigliautile, I., Pisello, A. L. Human-centric microclimate analysis of Urban Heat Island: Wearable sensing and data-driven techniques for identifying mitigation strategies in New York City. Urban Clim. 34, 100716(2020).
- Schiano-Phan, R., Weber, F., Santamouris, M. The mitigative potential of urban environments and their microclimates. Buildings. 5 (3), 783-801 (2015).
- Fadhil, M., Hamoodi, M. N. Mitigating urban heat island effects in urban environments: Strategies and tools. IOP Conf Ser Earth Environ Sci. 1229, 012025(2023).
- Srivastava, V. T., Sharma, A., Jadon, S. S. A review of the formation, mitigation strategies from 50 years of global urban heat island studies. Environ Dev Sustain. , (2024).
- Schaefer, M., et al. Assessing local heat stress and air quality with the use of remote sensing and pedestrian perception in urban microclimate simulations. Sci Total Environ. 794, 148709(2021).
- Ghorbany, S., Hu, M., Yao, S., Wang, C. Towards a sustainable urban future: A comprehensive review of urban heat island research technologies and machine learning approaches. Sustainability. 16 (11), 4609(2024).
- India - satellite imagery and base map data. , Google Maps. Available from: https://www.google.com/maps (2025).
- Cuce, P. M., Cuce, E., Santamouris, M. Towards sustainable and climate-resilient cities: mitigating urban heat islands through green infrastructure. Sustainability. 17 (3), 1303(2025).
- Hong, C., Wang, Y., Gu, Z., Yu, C. W. Cool façades to mitigate urban heat island effects. Indoor Built Environ. 31 (10), 2373-2377 (2022).
- Cvar, N., Trilar, J., Kos, A., Volk, M., Duh, E. S. The use of IoT technology in smart cities and smart villages: similarities, differences, and future prospects. Sensors. 20 (14), 3897(2020).
- Kousis, I., Pigliautile, I., Pisello, A. L. Intra-urban microclimate investigation in urban heat island through a novel mobile monitoring system. Sci Rep. 11, 9732(2021).
- Castaldo, V. L., Pisello, A. L., Pigliautile, I., Piselli, C., Cotana, F. Microclimate and air quality investigation in historic hilly urban areas: Experimental and numerical investigation in central Italy. Sustain Cities Soc. 33, 27-44 (2017).
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Nachdrucke und Genehmigungen
