A global comparative analysis of local recreation behaviors and values in peri-urban forests
Notice bibliographique
Résumé
Recreation is an essential ecosystem service (ES) provided by urban and peri-urban forests. In the context of adapting forest management to social demands, it is important to understand recreation behavior and the value that people place on their recreation. This study presents a comparison of recreation behavior and willingness to pay (WTP) across four peri-urban forests located in Freiburg (Germany), Oakville (Canada), Xi'an (China) and Zomba (Malawi). WTP was asked under two contingent valuation scenarios, one to improve the forest management according to the respondents' preferences for forest characteristics and the other to sustain the forest under climate change impacts. We conducted on-site surveys, focusing on the inhabitants of the associated cities. While the recreationists were generally satisfied with the forest infrastructure (e.g., paths), they were rather dissatisfied with the facilities (e.g., sanitation and drinking water). The mean annual WTP (adjusted by purchasing-power-parity, PPP) to improve the forest management was 21.07US$ PPP in Freiburg, 18.53US$ PPP in Oakville, 8.32US$ PPP in Xi'an, and 3.52US$ PPP in Zomba. Under climate change impacts, the mean annual WTP was 27.96US$ PPP in Freiburg, 19.29US$ PPP in Oakville, 7.52US$ PPP in Xi'an, and 3.53US$ PPP in Zomba. The statistical analysis revealed a positive effect of income on WTP in Freiburg, Oakville, and Xi'an. In addition, in Freiburg, education increased WTP, while in Xi'an, younger participants were more likely to pay. In Freiburg and Zomba, belief in climate change was found to increase the probability of WTP under the climate change scenario. Regarding the payment vehicle, a local tax and a voluntary donation were preferred in Freiburg and Oakville, an entry fee in Xi'an, and there was no preference in Zomba.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».