Planification des sites de plantation d’arbres en milieu urbain : comparaison des sites issus de la planification municipale et des sites priorisés par un outil d’aide à la planification
Notice bibliographique
Résumé
Face aux défis complexes posés par les changements climatiques, de nombreuses villes québécoises se sont engagées à atteindre des objectifs ambitieux en matière de plantation d’arbres et de canopée en vue de procurer les bénéfices qu’ils génèrent à leur population. Or, la planification de la plantation d’arbres urbains est un processus multidimensionnel, impliquant divers objectifs outre la survie des nouveaux arbres tels que la réduction des îlots de chaleur, l’amélioration de la santé de la population, la minimisation des coûts d’implantation. Pour ces raisons, les villes doivent adopter des approches stratégiques à la plantation d’arbres, soit une approche qui permet de prendre en compte un large éventail d’objectifs de planification simultanément et qui représente les priorités des parties prenantes locales. Les outils d’aide à la planification (OAP), combinant les systèmes d’informations géographiques (SIG) et l’analyse multicritère, proposent une solution efficace pour synthétiser l’information nécessaire à la planification stratégique des arbres en milieu urbain. Bien que plusieurs outils de ce type aient été créés, peu ont comparé l’approche ayant recours à ces outils aux approches municipales afin de déterminer quelles étaient les différences et comment elles se présentaient. Ainsi, un OAP australien ayant été adapté au contexte du Québec a été utilisé pour y ajouter un modèle de priorisation spatiale des emplacements pour la plantation d’arbres en milieu urbain. Les résultats de cet OAP se présentent sous la forme de cartes présentant les sites les plus stratégiques selon deux perspectives : les opportunités d’implantation et les besoins du territoire d’accueil. Ce modèle incorpore une vaste gamme d’objectifs de planification élaborés lors d’ateliers de cocréation avec des parties prenantes locales. Ces objectifs sont ensuite pondérés selon les préférences des parties prenantes afin de représenter les préoccupations locales. Plusieurs experts des milieux académiques, institutionnels et municipaux ont également été consultés afin de déterminer comment mesurer l’atteinte de ces objectifs. Les meilleurs sites de plantation priorisés par le modèle sont ensuite spatialement comparés aux sites de plantation identifiés par trois arrondissements de la ville de Montréal (Québec, Canada)4 à leur plan maître de plantation afin de déterminer leur superposition spatiale. Ceci informe de façon générale sur la répartition spatiale de sites résultant de la planification stratégique. Les plans maîtres de plantation de ces arrondissements ont également été analysés afin d’en faire ressortir les critères utilisés pour justifier le choix des sites de plantation afin de fournir des éléments de contexte pour l’interprétation des comparaisons spatiales et expliquer les divergences entre les sites sélectionnés. Une analyse individuelle des objectifs permet également d’évaluer la concordance entre la façon dont les objectifs sont pris en compte par le modèle et contribuent à la priorisation spatiale. Cela permet de mieux comprendre les divergences éventuelles avec la priorisation réalisée par le modèle, telles que les différences dans l’application des critères de priorisation. D’une part, les faibles pourcentages de chevauchement entre les emplacements priorisés par l’outil pour leur caractère stratégique et les sites priorisés par les arrondissements suggère que l’outil priorise des sites qui sont spatialement distincts de ceux priorisés par les arrondissements. Ceci est une opportunité pour les municipalités de mettre en œuvre de nouvelles réglementations pour inciter la plantation sur ces sites, augmentant ainsi l’indice de canopée et la diversité du patrimoine arboricole sur leur territoire. L’analyse des objectifs individuels révèle que le modèle ne reproduit pas fidèlement les critères utilisés par les arrondissements en ce qui a trait aux conflits avec les infrastructures. Cela pourrait avoir comme effet de négliger certains emplacements qui seraient autrement stratégiques pour la plantation d’arbres urbains et permet d’informer sur les améliorations futures de l’outil. Les projets de recherche future dans le domaine devraient évaluer les services rendus par les arbres s’ils étaient plantés sur les sites les plus stratégiques afin de les comparer aux services rendus par les arbres plantés sur les sites planifiés par les municipalités. Cette approche permettait d’estimer si la planification stratégique des arbres urbains entraine un meilleur approvisionnement en services écologiques.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».