Notice bibliographique
Résumé
Farmland in Ontario, Canada is under immense pressure from development associated with population growth and urbanization.The future sustainability of agriculture in Ontario is dependent upon a stable land base and precise understanding of the availability of farmland; however, in many communities, farmland is sacrificed for residential subdivisions, commercial developments and aggregate operations, among others.The provincial government has recognized the development threats facing farmland and created the Greenbelt Act ( 2005) to protect prime farmland and other sensitive landscapes.While this protectionist policy has appeared to stop some development, farmland continues to be lost to non-farm land uses and a policy failure is assumed.In reality, much of this land was designated decades prior for urban development but the loss is not evident until urban development begins.In order to assess the strength of the Greenbelt policy and understand the amount of farmland lost, quantitative data at a region or county level is needed.Currently, no accurate data regarding the amount of farmland lost to other land uses exists.This presentation will explore a new methodology for measuring the loss of farmland through official plan amendments on private property in southern Ontario.Analysis of data in the form of a case study is presented from 2 counties and regions.This highlights the amount of farmland converted to other land uses both before and after Greenbelt Act (2005) came into force.The economic and environmental impacts of farmland loss and the role of planning policies will also be discussed.This analysis and methodology will be applicable in many different jurisdictions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».