Assessing urban tree taxonomic diversity, composition and structure across public and private green space types: a community-based tree inventory
Notice bibliographique
Résumé
The urban forest is a crucial component of the city landscape, providing communities with countless benefits we refer to as ecosystem services. Trees improve urban air quality, decrease city temperatures, provide spaces for recreation and promote mental wellbeing. To properly quantify the benefits the urban forest provides, we require a strong baseline understanding of forest structure, diversity, and composition. To date, fine-scale work considering urban forest diversity has been commonly limited to trees on public land, considering only one or two green space types. However, the governance of green spaces in cities means tree species composition is being influenced by management decisions at various levels, including by institutions, municipalities, and individual landowners responsible for their care. Using a mixed-method approach combining a traditional field-inventory and community science project, I inventoried the urban forest in the residential neighbourhood of Notre-Dame-de-Grȃce, Montreal. I assessed four green space types in the public and private domain: parks, institutions, street rights of way and private yards to quantify how tree diversity, composition and structure varies across multiple land management types at local scales. I additionally considered how patterns of service-traits (traits related to managers preference and ecosystem services) differed across green space types, with implications for the distribution of ecosystem services across the urban landscape. I found that green space types displayed meaningful differences in both tree diversity and structure. For example, the inclusion of private trees contributed an additional 52 species (30% of total species) not found in the local public tree inventory, and private land was dominated by smaller trees compared to the public domain. I found patterns of richness, size and abundance extend to differences in tree composition and service-traits at local-scales, particularly in the street right-of way and private yards. Composition varied considerably across street blocks; however, blocks were very similar in terms of mean service-based traits. Contrastingly, species composition was similar from yard to yard, however, yards differed significantly in mean service-trait values. Overall, my work emphasizes that public tree inventories are unlikely to be fully representative of urban forest composition and structure, with implications for urban forest management at larger spatial scales.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 | 0,001 |
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 ».