Planification spatiale et agriculture urbaine. L’exemple de l’agglomération tourangelle
Bibliographic record
Abstract
Pour les décennies à venir, deux défis sociétaux forts devront être relevés : nourrir décemment les 10 milliards d’Hommes et assurer une qualité de vie dans les villes surpeuplées. Nourrir la planète renvoie à la préservation des terres agricoles, elles-mêmes fortement menacées par les extensions urbaines. De plus, le bien-être en ville pourra être en partie assuré par les éléments de Nature parmi lesquels figurent les jardins potagers et autres éléments d’agriculture urbaine. De nombreuses études scientifiques montrent que le maintien de l’agriculture en ville est une des réponses pour concilier augmentation démographique, autosuffisance alimentaire et bien-être. Malgré les initiatives de plus en plus nombreuses, la mise en œuvre d’un projet d’agriculture urbaine est complexe et jamais gagnée d’avance. En se fondant sur Tours (France), cet article décrypte la fabrique d’un tel projet, aussi bien sur le plan politique et technique. Il montre que nourrir les urbains n’est qu’un prétexte pour répondre à des enjeux économiques (structurer une filière), sociaux (cohésion sociale) et environnementaux (biodiversité, protection du sol et des nappes phréatiques, etc.). C’est ainsi que tous les acteurs de l’aménagement urbain seront mobilisés, gage de réussite d’un projet d’agriculture urbaine. Cette vision multifonctionnelle du territoire permet de dépasser le cloisonnement encore fort entre environnementale et alimentaire alors que les objectifs sous-jacents sont convergents. Aussi, nous proposons l’idée de joindre les objectifs de préservation de la biodiversité à l’alimentation en réalisant une « trame verte, bleue et alimentaire » (TVBA).
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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 teacher head, 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".