Plant cover and biomass change on extensive green roofs over a decade and ten lessons learned
Notice bibliographique
Résumé
Green roofs are well studied for the environmental, social, and economic services these provide. As a result, green roofs are widespread and within the common vernacular of city residents. Green roof bylaws and construction standards are present in many cities in North America, rooting the presence of this green infrastructure within urban landscapes. Although examples of green roofs constructed decades ago exist, rarely are green roofs monitored over such long periods, and in ways that allow for experimentation, analysis, and conclusions about performance or function. In this study we present findings on plant cover and biomass from a green roof testing facility in Toronto, Canada that was monitored for over a decade. We examine the contributions of growing media, planting, and irrigation in the first seven years (2011-2021) of the eleven-year monitoring period. We found that during this maintenance phase period (2011-2017), plant cover and biomass was highest in modules planted with Sedum, included organic media, and were irrigated, whereas non-irrigated modules planted with forbs and grasses had the poorest performance regardless of media type. Following the stoppage of irrigation, and the post maintenance phase (2017-2021), modules initially planted with Sedum continued to sustain cover and biomass whereas planted forbs and grasses mostly disappeared, and these treatments were overtaken by Sedum. Our findings demonstrate that with irrigation, plantings of forbs and grasses can sustain plant cover and biomass. However, Sedum buffers against major changes to environmental conditions or abrupt changes to maintenance, adding insurance against failure of extensive green roofs.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».