Analyse des enjeux de fertilisation des cultures en contexte urbain
Notice bibliographique
Résumé
L’agriculture urbaine monte en popularité dans plusieurs villes du monde depuis le début des années 2000. Bien qu’elle comporte plusieurs avantages environnementaux, l’agriculture urbaine comporte aussi son lot d’enjeux techniques. L’objectif de cet essai est de produire une synthèse des différents enjeux de fertilisation qui peuvent émerger dans un contexte urbain, plus spécifiquement sur le territoire de Communauté métropolitaine de Montréal. Dans un premier temps, un portrait des activités agricoles urbaines sur le territoire à l’étude a été dressé à l’aide d’une revue de la littérature et d’une interprétation qualitative des données disponibles dans le Bottin de producteurs et productrices. Ce portrait a démontré que les agriculteurs urbains retenus favorisent la culture maraîchère, avec 25 entreprises sur 41 répertoriées. De plus, les lieux de production des différentes entreprises variaient grandement. Les plus populaires étaient les cultures en milieux contrôlés (13 entreprises), suivis de la culture au niveau du sol (10 entreprises) et de la combinaison des serres au niveau de sol (9 entreprises). Finalement les techniques de production les plus utilisées étaient la culture en pleine terre (15 entreprises), suivi de la culture en pots ou en bacs (13 entreprises) et la culture en hydroponie (9 entreprises). Dans un deuxième temps, des entretiens semi-dirigés ont été faits avec des acteurs du milieu de l’agriculture urbaine. Les acteurs étaient d’une part des producteurs agricoles urbains, et d’autre part des producteurs de matières fertilisantes. La synthèse des entrevues a permis d’identifier le modèle d’affaires de chaque entreprise, comprendre leurs opérations et relever les enjeux de production principalement ceux liés à la fertilisation des cultures. Dans un troisième temps, une analyse de type interjuge a été faite au moyen d’un panel de juges ayant des connaissances approfondies sur les régies de fertilisation. L’analyse interjuge a permis de relever cinq causes d’enjeux de fertilisation ont été identifiés, soit l’approvisionnement des intrants, le contexte urbain, les types de cultures produites, les types de production choisie et le manque de connaissance agronomique. Cinq recommandations ont été faites afin de pallier ces enjeux de fertilisation, soit systématiser les circuits de matières résiduelles, encourager la mise en place de pratiques agricoles durables en ville, étudier à plus grande échelle les enjeux de fertilisation en milieux urbains, créer un guide sur la fertilisation en milieux urbains et améliorer l’accès à des sites de production viables.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».