Short Communication: A Comparative Analysis of Municipal Urban Tree Inventories of Selected Major Cities in North America and Europe
Notice bibliographique
Résumé
Effective management of the urban forest calls for municipalities to have a tree inventory of their urban resource. The approach to urban forestry is rather different in Europe and North America, both in terms of background and culture. This contribution discusses similarities and differences in tree inventory practices, based on a pilot study of three major cities in North America (Toronto, Ontario, Canada; and Boston, Massachusetts and New York City, New York, U.S.) and three major cities in Northern Europe (Oslo, Norway; and Aarhus and Copenhagen, Denmark). The pilot study consisted of semi-structured expert interviews in each city, and an analysis of their tree inventories in terms of their level of detail, how they were undertaken, and how they have been used. Each of the cities, with exception of Oslo, had inventoried all of their street trees. Volunteers were only used in Boston and New York City. None of the cities had developed a management plan based on their tree inventory. The inventory had only been completely incorporated into the work order system in New York City and Toronto. This explorative study shows that more research is needed to investigate what subsequently happens to tree inventories in municipalities after they have been performed. Moreover, more work is needed to identify whether inventories are being utilized to their full advantage in terms of producing management plans. Some key themes for further research are described. The set up of this pilot study could serve as a format for comprehensive research.
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 | 0,003 |
| 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 ».