MétaCan
Menu
Retour à la cohorte
Enregistrement W3199562372 · doi:10.3390/atmos12091183

Nature-Based Resilience: A Multi-Type Evaluation of Productive Green Infrastructure in Agricultural Settings in Ontario, Canada

2021· article· en· W3199562372 sur OpenAlexafffundabout
Vidya Anderson, William A. Gough

Notice bibliographique

RevueAtmosphere · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaHope Foundation
Mots-clésAgricultureGreenhouse gasGreen infrastructureEnvironmental scienceResilience (materials science)Air pollutionCarbon dioxideClimate changePsychological resiliencePollutantNatural resource economicsBusinessEnvironmental resource managementEnvironmental engineeringEnvironmental protectionEnvironmental planningEnvironmental economicsEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

Nature-based solutions such as green infrastructure present an opportunity to reduce air pollutant concentrations and greenhouse gas emissions. This paper presents new findings from a controlled field study in Ontario, Canada, evaluating the impact of productive applications of green infrastructure on air pollution and carbon dioxide concentrations across different agricultural morphologies compared to other non-productive applications. This study demonstrates that productive green infrastructure applications are as beneficial as non-productive applications in reducing ozone, nitrogen dioxide, and carbon dioxide concentrations. Nature-based solutions present an opportunity to build climate resilience into agricultural systems through supply-side mitigation and adaptation. The implementation of productive green infrastructure could be a viable agricultural practice to address multiple climate change impacts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,460

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,237
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAtmosphereMême sujetUrban Green Space and HealthTravaux en français237 207