Planning for Long‐Term Recovery Before Disaster Strikes: Case Studies of 4 US Cities: A Final Project Report
Notice bibliographique
Résumé
Among the four phases along the hazard continuum -- preparedness, response, recovery, and mitigation -- the sub‐field of long‐term recovery has long been an outlier, an "orphan" when it comes to concerted policy attention and pre‐disaster planning. It's not that community residents or municipal and state government officials are unaware of the potential long‐term residual consequences of natural disasters. Since the attacks of September 11, 2001 and the subsequent creation of the Department of Homeland Security, the U.S. government has spent billions of dollars to upgrade and enhance the country's ability to detect and respond to major catastrophic events, whether man‐made or natural in origin. The country experienced catastrophic wildfires in 2003, 2007‐2008, and 2011, a regional electrical blackout affecting 9 states and part of Canada in 2003, major Midwest flooding in 2008 and again this year, Category 3 or greater hurricanes in 2004, 2005, and 2008, and significant tornado clusters in 2011 that claimed 529 lives and caused over $17 billion in damages. These hazards have struck virtually every region of the country, and the consequences are readily evident to emergency managers and local city and county. Although the ratio of uncovered to covered losses has declined over this three‐decade timeframe, from approximately 8:1 to 4:1, absolute dollar losses have escalated tremendously. This may represent gains in mitigation efforts to insure against losses in high‐risk areas, but the size and growth of uncovered losses suggest a growing recovery challenge. This difference between covered and uncovered losses reflects the absolute minimum investment required for affected areas to return to pre‐event conditions, much less build back to a better or higher standard. Furthermore, what this trend line cannot capture are those disaster consequences not so easily monetized -- diminished physical and mental health among an affected citizenry, loss of a sense of community and attachment to place, or large scale social disruptions or population displacements. Given the magnitude of the social investment needed to pursue long‐term recovery after a disaster, and the attention that other phases in the hazard continuum have experienced, why is recovery still a policy orphan, and what are the local implications for pre‐disaster planning for long‐term recovery?
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».