MétaCan
Menu
Back to cohort
Record W7119260612

Dynamiques du carbone organique dans les technosols urbains : vers une gestion durable des infrastructures vertes à Montréal

2025· other· fr· W7119260612 on OpenAlexaboutno aff
Antonious Petro

Bibliographic record

VenueDepositum (Université du Québec en Abitibi-Témiscamingue) · 2025
Typeother
Languagefr
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsPopulationUrban environmentNatural logarithm
DOInot available

Abstract

fetched live from OpenAlex

L’accélération des changements climatiques est de nos jours un phénomène bien connu: il y a maintenant plusieurs décennies que les scientifiques constatent les effets négatifs des activités humaines sur le climat. Ces impacts sont aujourd’hui non seulement mesurables, mais leurs conséquences sur les populations sont également indéniables. La concentration de dioxyde de carbone (CO₂) dans l’atmosphère a atteint des niveaux jamais enregistrés depuis des centaines de milliers d'années, dépassant 420 ppm en 2023, contre environ 280 ppm avant l'ère industrielle (GIEC, 2023). Ce niveau élevé, directement lié à l’utilisation des énergies fossiles, à la déforestation et à l’intensification des activités industrielles, est la principale cause du réchauffement de la planète. Selon le dernier rapport du GIEC, le groupe intergouvernemental sur l’évolution du climat (GIEC, 2023) , sans une réduction drastique des émissions de gaz à effet de serre (GES), la température moyenne mondiale pourrait augmenter de 2,5°C à 3°C d'ici 2050 par rapport aux niveaux préindustriels. Ce dépassement des seuils critiques pourrait engendrer des conséquences irréversibles sur les écosystèmes terrestres et marins. Les zones urbaines sont au coeur de cette problématique. Bien que les milieux urbains ne couvrent qu'environ 3 % de la surface terrestre, on estime que 55% de la population mondiale y habitent (G. Chen et al., 2020). Ce pourcentage est appelé à augmenter pour atteindre 68% d’ici 2050 (ONU, 2022; GIEC, 2023). En partie à cause de leur grande densité de population, les villes génèrent près de 70 % des émissions mondiales de GES, une proportion qui peut atteindre jusqu’à 80% en Amérique du Nord (GIEC, 2018). Le transport, la production d’énergie, l'industrie et le secteur du bâtiment constituent les principales sources de ces émissions . Ainsi, l’urbanisation croissante, couplée à une forte consommation énergétique des populations urbaines, accentue la tendance de réchauffement climatique. Les villes et leurs habitants sont également parmi les plus touchés par les conséquences des changements climatiques (Dhakal et al., 2023). Les milieux urbains sont particulièrement vulnérables aux événements climatiques extrêmes, comme les vagues de chaleur et les inondations. Cela s’explique en partie par le phénomène des des îlots de chaleur urbains, qui est exacerbé par l’imperméabilisation des surfaces et la réduction des espaces verts, et qui dégrade les conditions de vie des populations, en particulier des plus vulnérables (Wolf et al.,2020). À cela s’ajoute une perte accélérée de biodiversité (Shochat et al., 2010), la détérioration de la qualité de l’air et une pression croissante sur les infrastructures urbaines. Conscientes de leur double position - à la fois contributrices et victimes des changements climatiques - de nombreuses villes à travers le monde se sont donné la mission de mettre en place des stratégies ambitieuses pour à la fois réduire leur empreinte écologique et renforcer leur résilience face aux aléas climatiques (Pavao-Zuckerman, 2008; Rosenzweig et al., 2010). Ce virage est d’autant plus important que, tel que mentionné précédemment, la majorité de la population mondiale vit en milieu urbain, et cette tendance est portée à croître. L’expansion des infrastructures vertes occupe une place cruciale dans l’adaptation des villes aux changements climatiques. Parmi les mesures mises en place en milieux urbains pour répondre aux enjeux environnementaux et améliorer la qualité de vie des citoyennes et des citoyens, on retrouve notamment l’augmentation des espaces verts, la gestion des forêts urbaines, la création de corridors écologiques et l’intégration de toitures végétalisées (Delgado-Baquerizo et al., 2021; Wolf et al., 2020). Ces initiatives ont principalement pour objectif d'atténuer les effets des îlots de chaleur, de favoriser la gestion des eaux pluviales, d’améliorer la qualité de l'air et de renforcer la biodiversité urbaine. Dans certaines villes, des approches innovantes ont permis de développer de nouveaux concepts; on peut par exemple penser aux corridors verts et bleus, qui relient les espaces naturels et permettent une meilleure circulation de la faune et de la flore tout en jouant un rôle dans la régulation thermique et hydrique du milieu (Pan et al., 2023; Perrelet et al., 2024). D’autres approches consistent à désimperméabiliser des surfaces pour restaurer la capacité d’infiltration des sols et ainsi limiter les risques d’inondation. Afin que les villes prennent la place centrale qui leur revient dans la lutte contre les changements climatiques, il est primordial d’adopter une approche globale et intégrée. Ainsi, les infrastructures vertes doivent être conçues à la fois pour répondre aux besoins esthétiques ou fonctionnels propres aux milieux urbains et pour maximiser leur contribution au ralentissement des changements climatiques. Cela implique de repenser les matériaux utilisés, la gestion des sols et le choix des espèces végétales, mais surtout d’inscrire ces actions dans une vision à long terme.

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

Direct model labels (unvalidated)

Per-model category and study-design labels from the labeling rounds. They are machine output, unvalidated, and the disagreement between models ships as data. No study design here is MEDLINE-validated yet.

Model armCategoriesStudy designConfidence
gemmano category
Domain: not available · Genre: Empirical
About the Canadian research system: no · About a Canadian topic: yes
Observationallow
gptno category
Domain: not available · Genre: Methods
About the Canadian research system: no · About a Canadian topic: yes
Bench or experimentalmedium
models splitAgreement compares identical category sets and study designs across arms.

Full frame machine prediction

Teacher imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.111
Threshold uncertainty score0.224

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.002
Science and technology studies0.0010.001
Scholarly communication0.0030.001
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0040.000

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.

Opus teacher head0.002
GPT teacher head0.156
Teacher spread0.154 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Labeled directly by 2 models reading the full record.

The models applied no category: nothing in the taxonomy fit this work.

The models disagree on parts of this classification; every voice is preserved in the section at the end of the page.

Study designObservational · Bench or experimental
Domainnot available
GenreEmpirical · Methods

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".

Quick stats

Citations0
Published2025
Admission routes1
Has abstractyes

Explore more

Same venueDepositum (Université du Québec en Abitibi-Témiscamingue)French-language works237,207