What does it take to renature cities? An expert-based analysis of barriers and strategies for the implementation of nature-based solutions
Notice bibliographique
Résumé
This paper uses an expert-based methodology to survey the barriers and strategies related to the implementation of nature-based solutions (NBS). The ambition of the paper is to offer a bird's eye overview of the difficulties encountered by NBS deployment and ways to overcome them. With a wide participation of 80 experts from COST Action Circular City, we identify barriers specific to 35 pre-defined NBS of the following four categories: Vertical Greening Systems and Green Roofs; Food and Biomass Production; Rainwater Management; and Remediation, Treatment, and Recovery. The research sheds light on how a major interdisciplinary - yet predominantly technically-oriented - community of scientists and practitioners views this important topic. Overall, the most relevant barriers are related to technological complexity, lack of skilled staff and training programs and the lack of awareness that NBS is an option. Our results highlight concerns related to post implementation issues, especially operation and maintenance, which subsequently affect social acceptance. The paper identifies a "chain" effect across barriers, meaning that one barrier can affect the existence or the relevance of other barriers. In terms of strategies, most of them target governance, information, and education aspects, despite the predominantly technical expertise of the participants. The study innovates with respect to state-of-the-art research by showing a fine-grained connection between barriers, strategies and individual NBS and categories, a level of detail which is not encountered in any other study to date.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».