Socio-economic factors, climate, and people’s behaviours determine urban tree health
Notice bibliographique
Résumé
Urban trees provide numerous benefits, including improved air quality, reduced urban heat, and enhanced well-being for city dwellers. However, the distribution of these benefits is often uneven, with wealthy urban areas typically receiving greater advantages than poorer urban areas, highlighting a trend of green inequality in urban environments. The health of urban trees, which is crucial for maintaining environmental and social benefits, is likely affected by the interactive effects of socio-economic factors and climatic conditions. Yet, empirical research demonstrating these complex interactions is lacking, leaving a significant gap in our understanding of urban forest dynamics. In this study, we assessed the relationships between socio-economic factors, climate variables and people's behaviours with urban tree health across 11 suburbs along a climate gradient in Sydney, Australia. Additionally, we evaluated people's perceptions towards urban trees. Our analysis revealed that suburbs with high economic resources, precipitation and temperature were associated with healthier urban tree communities. Additionally, we found that suburbs where residents reported that they were actively engaged in tree care practices, such as providing water and fertiliser or mulch, also exhibited healthier trees. Our research uncovered significant differences in public perception and tree care practices across the studied suburbs. These variations appeared to be influenced by both socio-economic factors and local climate conditions, suggesting a complex interplay among socio-economic resources, climatic conditions and human behaviour in shaping and determining urban tree health. Our research underscores the need for targeted urban forestry strategies that address green inequalities and promote equitable distribution of urban forest benefits across diverse city landscapes. • Urban tree health is positively associated with higher economic resources and favourable climate conditions. • Active engagement in tree care practices by residents correlates with healthier urban trees. • Socio-economic factors and local climate influence public perception and tree care practices. • Green inequality exists in urban environments, with wealthier areas having healthier residential street trees. • Strategies are needed to address green inequalities and promote equitable distribution of urban forest benefits.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| 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 ».