The influence of urban tree characteristics on environmental noise in Montreal, Canada
Notice bibliographique
Résumé
BACKGROUND AND AIM: Vegetation can reduce environmental noise, but limited information exists regarding how specific characteristics of trees of the urban forest influence environmental noise. We investigated the physical characteristics of urban trees that influence environmental noise measurements in Montreal, Canada. METHODS: We used Light Detection and Ranging (LiDAR) point cloud data from 2015 to extract the characteristics of all trees across the island of Montreal. Needle and broadleaf trees were distinguished with a Random Forest algorithm. Based on individual tree characteristics, we computed the total area of the tree crown footprint, the mean tree crown centroid height, the mean volume of tree crowns, and the percentage of broadleaf trees within various buffers (250 to 1000m) around 87 noise measurement sites across the city. Noise measurements were taken over a two-week period in the spring of 2010. Random Forest regression models were used to estimate the variation in noise around measurement sites related to tree characteristics, the Normalized Difference Vegetation index (NDVI), and distances of the measurement sites to major noise sources (highways, railways, and roads). RESULTS:The 24-hour equivalent noise levels averaged across the 87 monitoring sites were 57.5 + 5.1 dBA. The mean crown centroid tree height (5.2 + 0.4m) and the total area of crown footprint (130.7k + 63.4m2) within 500m of each site location were the strongest predictors of measured noise levels. The percentage increased mean squared errors indicated that in 500m buffers, the total area of the crown footprint (29.2%) and the mean crown centroid height (12.6%) were associated with a stronger noise decrease than NDVI (3.2%); similar patterns were observed with other buffers. CONCLUSIONS:Our findings suggest that tree crown footprint and centroid height, and not just the overall amount of vegetation, may play a vital role in reducing urban noise levels. KEYWORDS: Built environment, Green space, Noise
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».