Användning av barrträd i urban miljö : möjligheter och begränsningar
Bibliographic record
Abstract
Lövträd har traditionsenligt valts ut för att berika stadens grönska och barrträden har ännu inte fått samma förtroende i stadsmiljöns gator och torg. Vi var nyfikna på att undersöka om 70-talets överanvändning av barrträd och dess negativa klang dröjer sig kvar och påverkar dagens val av stadsträd. Eller kan det vara barrträdens bristande egenskaper att hantera stress som begränsar dess framfart i urbana sammanhang? \nAtt utöka dendrofloran med en varierad sammansättning av barrträd ger ett flertal fördelar som grönska året runt och ett stabilare ekosystem. Undersökningen är avgränsad till sydvästra Skåne och behandlar arterna utifrån de geografiskt rådande förhållandena. För att undersökningen skall verklighetsförankras har urvalet av barrträd som ingår i studien främst baserats på förslag från aktivt arbetande inom det aktuella området och särskilt kunniga inom dendrologi. Den urbana miljön innebär att ett träd måste kunna hantera ett antal stressfaktorer. Undersökningen har främst fokuserat på en arts tålighet för torka, kalk, salt och luftföroreningar samt särskilda känsligheter som krav på markfukt, vindskydd och känslighet mot ett högt pH. \nFlera barrträd är lämpliga för en urban miljö. Ofta är det placeringen som avgör. De tåliga släktena tall och en är lämpliga i stadens gaturum med begränsat utrymme både under och ovan mark. De känsligare barrträden som gran, ädelgran och kinesisk sequoia har även de sin plats i staden men då i en generösare växtbädd och med goda markförhållanden.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.071 | 0.008 |
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".