MétaCan
Menu
Retour à la cohorte
Enregistrement W4319300411 · doi:10.21203/rs.3.rs-2511683/v1

Satisfaction with urban trees associates with tree canopy cover and tree visibility around the home

2023· preprint· en· W4319300411 sur OpenAlexafffundabout
Camilo Ordóñez, S.M. Labib, Lincoln Chung, Tenley M. Conway

Notice bibliographique

RevueResearch Square · 2023
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity of TorontoUniversity of MelbourneUniversity of SydneyUniversity of Tasmania
Mots-clésCanopyGeographyNormalized Difference Vegetation IndexVisibilityUrban forestryTree canopyForestryAbundance (ecology)Vegetation (pathology)Tree (set theory)Physical geographyEcologyMathematicsMeteorologyLeaf area indexBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Many world cities want to expand the number of urban trees. How this expansion occurs should consider what people expect from trees based on how they experience and perceive these trees. Therefore, we need a better understanding of how people’s perceptions of urban trees may relate to the abundance of urban trees. This research examined whether people’s satisfaction with urban trees and satisfaction with the management of those trees were related to objective measures of greenery such as the Normalized Difference Vegetation Index (NDVI), percent tree canopy cover, and the Viewshed Greenness Visibility Index (VGVI) for trees. We used a demographic and geographically representative survey of 223 residents in Toronto, Canada, and calculated NDVI, canopy cover, and VGVI at three neighborhood sizes. We analyzed the data using generalized linear regression. We found that canopy cover and VGVI had a strong positive association with satisfaction with urban trees. The associations were stronger at larger neighborhood scales. There were no statistically significant associations with NDVI or satisfaction with the management of urban trees.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,463
Score d'incertitude au seuil0,925

Scores Codex et Gemma par catégorie

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

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 Opus0,052
Tête enseignante GPT0,340
Écart entre enseignants0,288 · 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 tête enseignante, 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

Citations4
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetUrban Green Space and HealthTravaux en français237 207