Divergent options to cope with vulnerability in subsiding deltas
Notice bibliographique
Résumé
Net subsidence of most major deltas in the world and related vulnerability are thought to be increasing, and this is often linked causally to human activities. This paper examines this causality against a range of co-varying factors. We do so with a principal component analysis of co-variability of a range of geophysical and socio-economical indicators of 33 deltas mainly derived from the DIVA tool. Land potentially lost and people at risk of flooding are our indicators of vulnerability. The former correlated positively with maximum surge height and negatively with net sea level rise. The latter correlated positively with delta area, average river discharge, and maximum surge and negatively with net uplift (or subsidence). Thus, variation in societal vulnerability across deltas depends on short-term, instantaneous risks linked to lowland area, river discharge and storm surges rather than on longer-term, slow, net sea level rise. Delta management should focus on precautionary spatial planning, and on maintenance or restoration of historical sediment delivery and accretion rates. Especially larger deltas with high population densities combine a high risk with the potential to accommodate flood water and mitigate flooding risks. The deltas of the Yangtze-Kiang and Ganges-Brahmaputra share these characteristics. Here space should allow engineering of flood retention, sedimentation and diversion channels as well as refuges and safe economic hotspots. At the other end, in deltas with a high population density and limited space, like the Chao Praya, means for adaptation must be sought outside the delta proper. In deltas with low population densities, such as the Lena, Yukon or Fly, natural delta dynamics can prevail.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».