What can a midsized, semi-arid city teach us about human-made forests?
Notice bibliographique
Résumé
Abstract Research has shown that urban tree canopy (UTC) provides a multitude of ecosystem services to people in cities, yet the benefits and costs of trees are not always equitably distributed among residents and households. To support urban forest managers and sustainability planning, many studies have analyzed the relationships between UTC and various morphological and social variables. Most of these studies, however, focus on large cities like Baltimore, MD, Los Angeles, CA, and New York, NY. Yet, small and midsized cities are experiencing the most growth globally, often having more opportunity to alter management strategies and policies to conserve and/or increase canopy cover and other green infrastructure. Using both a linear and spatial regression approach, we analyzed the main drivers of UTC across census block groups in Fort Collins, CO, a midsize, semi-arid city projected to undergo significant population growth in the next 20-30 years. Results from Fort Collins indicated that block groups with older buildings and greater housing density contained more UTC, with 2.2% more canopy cover for every 10 years of building age and 4.1% more for every 10 houses per hectare. We also found that distributional inequities may already be developing within this midsized city, as block groups with more minority communities were associated with lower UTC. We compared the drivers of UTC in Fort Collins to other cities located in different climate regions, or biomes, and in various stages of urban development. Based on these results, we suggested future urban forest management strategies for semi-arid cities like Fort Collins.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».