Les aménagements maximisant la résilience climatique : le cas du parc Jarry à Montréal
Bibliographic record
Abstract
L’objectif de cet essai vise à évaluer les possibilités d’aménagements du parc Jarry permettant d’améliorer la résilience du parc et de ses communautés face aux changements climatiques. En effet, les changements climatiques sont à l’origine d’aléas climatiques ayant des conséquences économiques, sociales et environnementales majeures pour le parc. En partant de ce constat, les communautés sont dans l’obligation de s’adapter pour demeurer résilientes face à ces changements. À Montréal, le parc Jarry figure parmi les plus grands parcs de la ville. Cependant, ses aménagements actuels n’optimisent pas sa résilience et celle de ses communautés face aux changements climatiques. Il est donc possible de se poser la question suivante : quels sont les aménagements à privilégier afin de maximiser la résilience climatique du parc Jarry et de ses communautés ? Une analyse FFOM des aménagements actuels du parc a permis d’identifier les composantes d’aménagement qui nécessitent d’être remplacées ou améliorées. Au total, 16 nouveaux aménagements ont été évalués à l’aide d’une analyse multicritère par rapport à six enjeux reliés aux changements climatiques soit : gestion de l'eau de pluie et réduction des inondations, réduction des îlots de chaleur urbains, conservation et soutien de la biodiversité urbaine, réduction des gaz à effet de serre dans l'atmosphère, protection de la santé des communautés et encouragement de l'action communautaire. Parmi tous les nouveaux aménagements à considérer, l’analyse multicritère a permis de faire ressortir quatre aménagements à privilégier : la plantation d’arbres, la plantation de haies diversifiées, la plantation d’herbacées et de vivaces et la plantation de plantes grimpantes sur les clôtures et les murs des bâtiments. Ces aménagements reposent sur les infrastructures vertes et permettent notamment de répondre efficacement aux enjeux d’îlots de chaleur urbains et de conservation de la biodiversité. Les 12 aménagements restants présentent également un impact positif considérable, c’est par exemple le cas de la création d’un ruisseau sec pour diriger le ruissellement de l’eau ou du remplacement des revêtements minéralisés actuels par un sol stabilisé par liant végétal. Cependant, ces aménagements ont respectivement un coût très élevé (réalisation difficile) et un impact plus limité que les quatre premiers aménagements recommandés. Ces aménagements doivent donc être considérés, mais non pas priorisés. La combinaison de plusieurs aménagements sur un même espace présente alors une opportunité pour créer un effet de synergie entre les impacts positifs de chacun des aménagements réalisés.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.016 | 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".