Équité environnementale et distribution spatiale de la végétation à l’intérieur et autour des îlots résidentiels à Montréal : une double iniquité ?
Bibliographic record
Abstract
De récentes études ont montré que la végétation urbaine est inégalement distribuée au sein de plusieurs métropoles nord-américaines : certains quartiers plus défavorisés ou à forte concentration ethnique présenteraient des niveaux de couverture végétale plus limités. L’objectif de cet article est de vérifier l’existence d’iniquités environnementales en termes d’accès à la végétation urbaine sur le territoire de l’ancienne ville de Montréal pour les personnes à faible revenu et les minorités visibles. Six indicateurs de végétation à l’intérieur et autour des îlots résidentiels (à 250 et 500 m) sont construits à l’aide d’images satellites QuickBird. Puis, ces indicateurs sont mis en relation avec des données socioéconomiques au moyen de plusieurs analyses statistiques (corrélation, test de Student (test t), analyse de variance et analyse de régression). Les résultats démontrent que la population à faible revenu et, dans une moindre mesure, celle des minorités visibles résident dans des environnements où la végétation est moins présente. Finalement, l’utilisation combinée d’indicateurs de végétation à l’intérieur et autour de l’îlot permet de démontrer l’existence d’une double iniquité dans certains secteurs urbains.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".