Services écosystémiques et adaptation urbaine interscalaire au changement climatique : un essai d’articulation
Bibliographic record
Abstract
Le questionnement des liens entre végétation et climat urbain est assez ancien dans l’histoire des idées, mais il prend une dimension particulière dès lors que l’on remanie les termes du problème en « services écosystémiques et adaptation au changement climatique ». Cette nouvelle association appelle à un effort particulier d’articulation et d’évaluation, et donc à un retour sur les différents enjeux que recoupe l’exploration du lien entre écosystèmes et adaptation urbaine au changement climatique. L’article revient dans un premier temps sur le concept de services écosystémiques et propose une première esquisse de cadre pour l’évaluation du recours aux services écosystémiques comme stratégie urbaine d’adaptation au changement climatique. Ensuite, une revue des services et desservices écosystémiques en lien avec l’adaptation urbaine est proposée, tout un insistant sur la nécessité d’une approche intégrée. Enfin, l’article aborde les jeux d’échelles inhérents à la conception de la durabilité urbaine, et interroge le concept de trame verte quant à sa pertinence dans le cadre d’une adaptation urbaine interscalaire au changement climatique.
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 | 0.004 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.004 | 0.009 |
| Scholarly communication | 0.011 | 0.007 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 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".