Ecological and economic benefits of low‐intensity urban lawn management
Notice bibliographique
Résumé
Abstract Intensive management of urban lawns is globally widespread, predominantly for aesthetic reasons. However, a growing body of knowledge demonstrates negative ecological and environmental effects of this practice. We present a meta‐analysis of North American and European studies from 2004 to 2019, which incorporates three previously unpublished datasets from eastern Canada, to investigate how mowing intensity impacts the ecology of urban lawns. The meta‐analysis provides aggregated evidence that invertebrate and plant diversity is lower in urban lawns under increased mowing intensity. This decline is independent of the level of contrast between mowing ‘treatment’ and ‘control’ (e.g. height or frequency of mowing), which differed considerably between studies. Intensive mowing also increases the occurrence of pest species (e.g. herbivorous beetle larvae and allergenic plants), though studies in this group were limited to northern environments. Changes in ecosystem‐level variables (soil temperature, soil moisture deficit and carbon deficit) were less evident and suggest changes in abiotic processes may take longer to become apparent. An economic case study of the mowing costs in Trois‐Rivières, Canada, suggests that cost savings of 36% may be possible with a modest reduction of mowing frequency. Synthesis and Applications. Increasing urban biodiversity and reducing greenhouse gas emissions are strong motivators for reducing lawn management intensity. We also suggest that the benefits of reducing pest species while saving lawn management costs may provide additional social and economic incentives for decision makers to review urban greenspace management practices.
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 | 0,000 | 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) | 0,000 | 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 ».