Protecting trees in the urban forest: a systematic review of literature on acts, bylaws, ordinances, and regulations
Notice bibliographique
Résumé
Trees contribute to the livability of cities. To preserve the urban forest, many governments have turned to regulatory mechanisms, ranging from local bylaws and ordinances to state and federal legislation. To understand the history, scope, perspectives, successes, and challenges of disincentive-based tree protection legislation, a systematic review was conducted using PubMD, EBSCOHost, Web of Science, and Scopus. The review, which was not geographically constrained but contained only English-language articles, included 114 publications. The literature highlights that the history of urban forest legislation is long. However, tree protection regulations were popularized more recently, built on years of more general environmental policies. While the adoption processes for tree protection legislation vary across both cities and countries, it is often driven by appreciation of urban forests and led by municipalities with the support of the public and non-governmental organizations. Tree protection legislation defines what trees are to be protected, typically based on size, species, or land use, although cultural or heritage trees are often protected as well. Some tree protection legislation includes replanting clauses and enforcement procedures to increase their effectiveness. The protection of large, culturally important trees and replanting requirements are largely supported by both the public and urban foresters, although support is greater in urban areas. However, whether the legislation actually works is unclear. Conflicting evidence and study limitations preclude direct causal relationships, although areas where tree protection legislation was removed experienced subsequent tree loss. On-going challenges at the local level include underenforcement, conflicting legislation, and underfunded programs. Tree protection legislation is also vulnerable to socio-political changes that prioritize private property rights and development over private tree protection. Amidst widespread urban tree loss, further research that provides a better understanding of the successes of tree protection legislation will help justify their continued use in urban forestry programs globally.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».