Les forêts urbaines vieilles et distancées des infrastructures humaines remplissent le plus grand nombre de services écosystémiques
Bibliographic record
Abstract
Dans le contexte de l'importance croissante des services écosystémiques en milieu urbain, cette étude quantifie les services et les risques associés aux écosystèmes présents sur le campus de l'Université du Québec à Trois-Rivières (UQTR). En combinant des méthodes de télédétection avec des données d'échantillonnage sur le terrain, nous avons évalué six services écosystémiques, tels que la régulation climatique, la perméabilité des sols et la biodiversité, ainsi que cinq risques, notamment la mortalité des arbres, les maladies et la présence d'espèces exotiques envahissantes. Un indice écosystémique global a été élaboré pour comparer la performance des différents écosystèmes en termes de services fournis et de risques associés. Les résultats révèlent une grande variabilité entre les écosystèmes, la jeune pinède blanche et les milieux mixtes surannés fournissant les services les plus importants, tandis que la pinède grise est la plus exposée aux risques. L'étude propose des recommandations pour une gestion durable des espaces verts du campus, visant à maximiser les services écosystémiques tout en minimisant les risques.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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 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".