De l'arbre en ville à la forêt urbaine
Bibliographic record
Abstract
La plantation d’arbres est utilisée par de nombreuses municipalités comme solution naturelle pour faire face aux enjeux du changement climatique. Ce choix permet d’abaisser la température en luttant contre les îlots de chaleur urbains, de fournir un support à la biodiversité, d’améliorer le cadre de vie ainsi que la santé physique et mentale des citadins. L’arbre en ville, qu’il soit seul, en alignement ou dans un parc urbain, dépend de ses interactions avec les organismes qui lui sont associés dans les feuilles, le bois, le sol mais aussi de ses liens avec les arbres voisins et avec l’écosystème urbain. Fortement liés aux activités humaines, l’arbre en ville et la forêt urbaine font l’objet d’une gestion précise dont les enjeux et les modalités ont évolué au cours du temps. L’environnement urbain présente en effet des contraintes mais offre également des opportunités pour le développement des arbres. En retour, l’arbre et la forêt contribuent à façonner l’environnement urbain, avec un bénéfice recherché pour les populations humaines, faisant d’eux des objets autant écologiques que politiques. Cet ouvrage s’adresse à un public averti, et particulièrement aux personnes étudiantes et enseignantes en sciences du vivant et de l’environnement, en géographie, en sociologie et en sciences politiques. Il intéressera également les urbanistes, les gestionnaires des espaces verts et les élues et élus des municipalités.
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.002 |
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; both teacher heads agree on what is shown here.
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".