Using the 3-30-300 Indicator to Evaluate Green Space Accessibility and Inequalities: A Case Study of Montreal, Canada
Notice bibliographique
Résumé
Access to green spaces is essential for promoting public health, reducing inequalities, and fostering urban resilience. This study evaluates the 3-30-300 indicator as a tool for assessing green space accessibility in Montreal, Canada. The framework sets three goals: every resident should see three trees from their home, live in a neighborhood with at least 30% tree canopy, and have a park or green space within 300 m. Using geospatial analysis, this study examines how well these criteria are met across Montreal’s neighborhoods and investigates disparities linked to socio-economic factors. The study reveals a significant variability in the distribution of green spaces across Montreal neighborhoods, as measured by the 3-30-300 metric. Tree canopy coverage ranges from 0.8% to 84%, with a median of 25.7%, while distances to parks vary from adjacent to over 2.4 km. The number of trees around residences is highly skewed, ranging from 0 to 771, reflecting substantial heterogeneity in green space accessibility. Spatial analysis highlights pronounced inequalities, with only 19.4% of neighborhoods meeting all three criteria. Hotspots of compliance are concentrated in peri-central and well-established residential areas in the West and East, while central and peripheral neighborhoods, especially in northeast Montreal, frequently fail to meet the standards. These findings underscore strong spatial disparities in urban green infrastructure, consistent with global studies on inequitable access to green spaces.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».