Analyse des enjeux de fertilisation des cultures en contexte urbain
Bibliographic record
Abstract
L’agriculture urbaine monte en popularité dans plusieurs villes du monde depuis le début des années 2000. Bien qu’elle comporte plusieurs avantages environnementaux, l’agriculture urbaine comporte aussi son lot d’enjeux techniques. L’objectif de cet essai est de produire une synthèse des différents enjeux de fertilisation qui peuvent émerger dans un contexte urbain, plus spécifiquement sur le territoire de Communauté métropolitaine de Montréal. \nDans un premier temps, un portrait des activités agricoles urbaines sur le territoire à l’étude a été dressé à l’aide d’une revue de la littérature et d’une interprétation qualitative des données disponibles dans le Bottin de producteurs et productrices. Ce portrait a démontré que les agriculteurs urbains retenus favorisent la culture maraîchère, avec 25 entreprises sur 41 répertoriées. De plus, les lieux de production des différentes entreprises variaient grandement. Les plus populaires étaient les cultures en milieux contrôlés (13 entreprises), suivis de la culture au niveau du sol (10 entreprises) et de la combinaison des serres au niveau de sol (9 entreprises). Finalement les techniques de production les plus utilisées étaient la culture en pleine terre (15 entreprises), suivi de la culture en pots ou en bacs (13 entreprises) et la culture en hydroponie (9 entreprises). \nDans un deuxième temps, des entretiens semi-dirigés ont été faits avec des acteurs du milieu de l’agriculture urbaine. Les acteurs étaient d’une part des producteurs agricoles urbains, et d’autre part des producteurs de matières fertilisantes. La synthèse des entrevues a permis d’identifier le modèle d’affaires de chaque entreprise, comprendre leurs opérations et relever les enjeux de production principalement ceux liés à la fertilisation des cultures. \nDans un troisième temps, une analyse de type interjuge a été faite au moyen d’un panel de juges ayant des connaissances approfondies sur les régies de fertilisation. L’analyse interjuge a permis de relever cinq causes d’enjeux de fertilisation ont été identifiés, soit l’approvisionnement des intrants, le contexte urbain, les types de cultures produites, les types de production choisie et le manque de connaissance agronomique. Cinq recommandations ont été faites afin de pallier ces enjeux de fertilisation, soit systématiser les circuits de matières résiduelles, encourager la mise en place de pratiques agricoles durables en ville, étudier à plus grande échelle les enjeux de fertilisation en milieux urbains, créer un guide sur la fertilisation en milieux urbains et améliorer l’accès à des sites de production viables.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".