Assessing the equity of urban public green space visitation for cooling off from extreme heat: A public participation GIS (PPGIS) survey
Notice bibliographique
Résumé
Public green spaces (PGS) in urban areas can both reduce ambient temperatures and provide a place for residents to visit and cool off on hot days while enjoying a range of health and biodiversity co-benefits. High indoor temperatures and social vulnerability (e.g., being elderly or infirm) increase the potential reliance on PGS visitation and their cooling features. As the severity of urban heat increases due to climate change and cities recognize the need for ensuring availability, access, and quality of PGS, research is needed to support their planning and equitable benefits across social groups and space. We use an online public participation GIS (PPGIS) survey to explore the degree of (spatial) equity in PGS visitation for cooling off during extreme heat in Bochum, Germany. Our study also aims to determine the degree of pubic reliance on cooling as an ecosystem service, what biophysical features shape preferences for visitation, and the distributive environmental justice of neighborhood green space. We find that residents are concerned about extreme heat and visiting PGS for cooling off is common. Their current use is relatively equitable in the study area but more focus is needed on aged and low-income groups as well as the provision of large trees, shade, and water features. Residents travel on average over 10 km from home to visit the most valued PGS for cooling, likely due to poor availability and quality in the urban core. Additionally, our research provides a methodological template enabling equitable spatial planning for climate change adaptation.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».