Mapping Equity Access to Green Spaces Across The University of British Columbia Vancouver Campus
Notice bibliographique
Résumé
Green spaces play an important role in providing ecosystem services such as air purification, temperature regulation, and recreational opportunities; however, their unequal distribution often highlights environmental inequities. This study examines the spatial distribution of green space coverage across the University of British Columbia (UBC) Vancouver campus to identify areas with limited access, termed Equity Initiative Zones (EIZs). A Geographic Information System (GIS)-based methodology was employed, integrating Light Detection and Ranging (LiDAR) data, green space data, a pedestrian walkway dataset, and a hexagonal grid framework to analyze pedestrian accessibility to green spaces using service area analysis, and to identify green space diversity and spatial equity disparities through statistical analysis. Results revealed that while the UBC campus has an average of 37.8% green space and 46.7% tree canopy coverage, approximately 6% of the campus falls within EIZs, primarily in northeast areas near academic buildings and parking lots—with mean green space coverage of approximately 1.8%. A moderate negative correlation between distance to green spaces and canopy coverage (r = −0.25, p = 1.96 × 10⁻⁷) suggested reduced canopy coverage in areas further away from green spaces. Additionally, green space diversity analysis showed that high-traffic areas like the academic zones are dominated by homogenized lawns, whereas peripheral areas such as those near the UBC Farm exhibit greater diversity. These findings highlight environmental inequities where EIZs may experience diminished access to ecosystem benefits, emphasizing the need for targeted interventions such as tree planting or the creation of pocket parks to promote a sustainable and inclusive campus environment.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 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 ».