Using the Gini Index to quantify urban green inequality: A systematic review and recommended reporting standards
Notice bibliographique
Résumé
Access to parks, ecosystem services, and urban trees support healthy people and communities. Unfortunately, access is often unequally distributed, leading to differential outcomes. Measuring the within-city distributional equality and comparing between cities can be facilitated by the Gini Index, a measure originally developed for economic disparities. To examine its applications in urban forestry and urban greening, a systematic review was conducted across 5 databases and 10 journals. Forty-one English, peer-reviewed articles were identified that used the Gini Index to measure urban green inequality, increasing exponentially since the first urban greening-related use of the Gini Index in 2011. Most studies were from China (n = 22, 54 %) and the United States (n = 10, 24 %). A Gini Index equation was reported in 27 studies (66 %) with 10 different variations used. Lorenz curves were included in 18 papers (44 %). The Gini Index was used to assess the distribution of parks and greenspaces (n = 28, 68 %), ecosystem disservices and services (n = 8, 20 %), and trees and street greenery (n = 7, 17 %). Fifteen papers (37 %) used multiple points in time to measure changes in inequality, including modeling future inequalities under different management scenarios. The Gini Index provides a quantitative measure of distributional inequality that facilitates comparisons between cities. The application of the Gini Index can help improve global comparative analyses, but only with consistent reporting of methods and findings. We provide recommended reporting procedures for researchers using the Gini Index, including 1) report the Gini Index equation, 2) visualize the Gini Index using a Lorenz curve, and 3) report the variable inputs. Greenspace research should also clearly define the inclusion/exclusion criteria of greenspace, differentiating parks versus green cover.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,145 | 0,436 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,016 | 0,020 |
| Bibliométrie | 0,046 | 0,034 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 source (Gemma direct ou Codex distillé), 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 ».