Assessing the recreational value and preferences in the city forest of Freiburg, Germany
Notice bibliographique
Résumé
Urban forests provide important cultural ecosystem services to the population of cities. In this study, we assessed the recreational value of the urban forest of the city Freiburg and the forest visitors’ preferences for recreation. Both economic and non-economic valuation techniques were employed, and potential conflicts and synergies with other forest ecosystem services considered. We conducted an on-site survey applying contingent valuation (CV) and a preference study of forest stand characteristics for recreation. The CV method showed that the estimated annual willingness-to-pay (WTP) by visitors for improving the forest for recreation was 14.42€ per person, or 2.52€ per trip, while WTP to the forest management for climate change adaptation was 17.39€ per person, or 2.74€ per trip. Extrapolated to the annual number of visits to the forest (4 million), the total recreational value can be estimated at as much as 10–11 million € per year. The preference study revealed that recreationists prefer tree stands that are diverse in species and tree size composition with medium amounts of ground vegetation and undergrowth as well as high amounts of deadwood. While deadwood was traditionally removed for forest recreation, our results indicate a different perception of deadwood. Given that structurally diverse forests are preferred and most people perceive no conflict between timber production and recreation, our study supports the current forest governance system following a multifunctional forest management approach. • On-site recreation survey in urban forest of Freiburg, Germany. • Recreationists prefer diverse forests with high amount of deadwood. • Recreation value (€10–11 M/yr) exceeds its costs and timber income. • Perceived trade-offs with other ecosystem services are small.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».