MétaCan
Menu
Retour à la cohorte
Enregistrement W4401277659 · doi:10.1111/1467-8489.12582

Economic evaluation of alternative urban park designs that conserve irrigation water

2024· article· en· W4401277659 sur OpenAlexfundno aff
C. Döll, David J. Pannell, Michael Burton

Notice bibliographique

RevueAustralian Journal of Agricultural and Resource Economics · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaGovernment of Western Australia
Mots-clésIrrigationWater conservationWater useWater resource managementEnvironmental scienceAgricultural economicsEconomic evaluationIrrigation managementNatural resource economicsEconomicsBusinessAgronomyMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Increasing the area of drought‐tolerant native vegetation in urban parks is a potential strategy to adapt to growing water scarcity under climate change. With a case study in Perth, Australia, we undertake benefit–cost analyses to understand the potential impacts of modifying urban park landscape designs away from conventions dominated by watered grass towards alternatives with more native vegetation. Considering the costs of establishing and maintaining alternative designs alone, we find that local governments can save money by reducing the extent of watered grass cover in parks. Incorporating nonmarket benefits into the analyses provides evidence of positive community net benefits from making changes to conventional park designs. We show that an alternative park design featuring a mix of 60% native vegetation and 40% watered grass delivers the highest net benefits for both new park development and retrofits to existing parks. These findings suggest it is time to rethink urban park design norms in Australia to better align landscaping choices with community preferences under a changing climate.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,037
Tête enseignante GPT0,236
Écart entre enseignants0,199 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Agricultural and Resource EconomicsMême sujetLand Use and Ecosystem ServicesTravaux en français237 207