MétaCan
Menu
Retour à la cohorte
Enregistrement W1150591263

Integrating Climate Change Factors within China’s Environmental Impact Assessment Legislation: New Challenges and Developments

2013· article· en· W1150591263 sur OpenAlexaboutno aff
Xiangbai He

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Social Impact Assessments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLegislationChinaClimate changeEnvironmental planningEnvironmental impact assessmentEnvironmental resource managementPolitical scienceGeographyEnvironmental scienceOceanography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Climate change and its undeniable impacts must be considered while applying the existing development tools. As a preventative instrument to identify, assess and mitigate the adverse environmental effects of proposed and current undertakings, the incorporation of the impacts of climate change into Environmental Impact Assessment (EIA) has been recommended. This article finds that EIA can be more beneficial with a ‘climate change - plan/project - environment’ interaction, where the climate change impacts on a proposed plan/project and the environment are also assessed. In that case, the integration of climate change issues within EIA can improve the resilience of the proposed plan/project. Although difficulties of integrating climate change within EIA are apparent (such as scientific uncertainty, the difficulty of separating climate variability and the interaction between climate change and economic activities), various approaches have been developed to overcome these challenges. Canada’s experience will be used as an example to illustrate how EIA in China can integrate climate change factors. However, given the ineffectiveness of China’s current EIA legislation, significant improvements are imperative to provide climate-friendly and climate-proofing solutions. This article also reveals that integration of climate change does not change the essential steps of EIA, but will inevitably influence some minor steps by accounting for climate change factors.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,007
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0250,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,227
Tête enseignante GPT0,514
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetEnvironmental and Social Impact AssessmentsTravaux en français237 207