A georeferenced agent-based model to analyze the climate change impacts on ski tourism at a regional scale
Notice bibliographique
Résumé
One main argument for modeling socio-ecological systems is to advance the understanding of dynamic correlations between various human and environmental factors, including impacts and responses to environmental change. We explore the shift in skier distribution among ski resorts taking into account the behavioral adaptation of individuals due to the impact of climate change on snow conditions. This analysis is performed at a regional scale by means of a coupled gravity and georeferenced agent-based model. Four different scenarios are considered. Two scenarios assume an increase of winter mean temperature of +2°C and +4°C, respectively, taking into account only natural snow conditions. Two additional scenarios add the effect of snowmaking to enhance the natural snow depth and extend the skiing season in the +2°C and +4°C base scenarios. Results show differing vulnerability levels, allowing the classification of ski resorts into three distinct groups: (1) highly vulnerable ski resorts with a strong reduction in visitors attendance for all climate change scenarios, characterized by unfavorable geographical and attractiveness conditions, making it difficult to ensure snow availability in the future; (2) low vulnerability ski resorts, with moderate reduction in season length during a high climate change scenario but no reduction (or even an increase) in a low one, characterized by ski resorts with a medium capacity and attractiveness to ensure enough snow conditions and capture skiers from other ski resorts; and (3) resilient ski resorts, with good conditions to ensure future snow-reliable seasons and outstanding attractiveness, allowing them to offer longer ski seasons than their competitors and potentially attracting skiers from other closed or marginal resorts. Ski resorts included in this last group increase their skier attendance in all climate change scenarios. Although similar studies in the literature foretell a significant reduction of the ski market in the near future, another probable effect outlined in this study is a redefinition of this market due to a redistribution of skiers, from vulnerable ski resorts to more resilient ones.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».