Connecting Canopies: Portland-Vancouver Regional Urban Tree Policy and Program Summary (Lunch and Learn)
Notice bibliographique
Résumé
Ted presented in greater detail on his 2025 UERC presentation: Trees are crucial green infrastructure in a changing climate, but urban trees face an array of threats as cities grow and redevelop. Without plans, policies and programs for their conservation, tree loss undermines the long-term health and viability of urban communities. We developed a framework to summarize and compare urban tree policies and programs for the Portland-Vancouver metropolitan region, using interviews and a cross-comparison of codes, investment and staff levels, and other features. Across the region, urban tree policies and programs differ among 42 distinct jurisdictions. Most communities have tree codes, but they vary in their strength and comprehensiveness. Staffing and management levels for trees also vary and are frequently split across departments within a jurisdiction. Few jurisdictions have tree or canopy cover inventories, and fewer use these inventories to direct tree management and investments. Investment levels in trees are difficult to ascertain and variable from one jurisdiction to another. Community partnerships and workforce development programs for trees are also inconsistent and frequently absent. Most community partnerships rely on volunteers, and few invest in jobs to plant and care for trees in low tree canopy settings. Despite their ecological significance, urban tree policy and program information for the Portland-Vancouver region is difficult to access, and governance is fragmented with no minimum standards of protection or care. We compared our findings with two prior regional urban tree policy and program assessments from 2000 and 2010, to suggest that limited progress has been made over the past 20 years.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».