The potential for sand dams to increase the adaptive capacity of East African drylands to climate change
Notice bibliographique
Résumé
Drylands are home to more than two billion people and are characterised by frequent, severe droughts. Such extreme events are expected to be exacerbated in the near future by climate change. A potentially simple and cost-effective mitigation measure against drought periods is sand dams. This little-known technology aims to promote subsoil rainwater storage to support dryland agro-ecosystems. To date, there is little long-term empirical analysis that tests the effectiveness of this approach during droughts. This study addresses this shortcoming by utilising multi-year satellite imagery to monitor the effect of droughts at sand dam locations. A time series of satellite images was analysed to compare vegetation at sand dam sites and control sites over selected periods of drought, using the normalised difference vegetation index. The results show that vegetation biomass was consistently and significantly higher at sand dam sites during periods of extended droughts. It is also shown that vegetation at sand dam sites recovers more quickly from drought. The observed findings corroborate modelling-based research which identified related impacts on ground water, land cover, and socio-economic indicators. Using past periods of drought as an analogue to future climate change conditions, this study indicates that sand dams have potential to increase adaptive capacity and resilience to climate change in drylands. It therefore can be concluded that sand dams enhance the resilience of marginal environments and increase the adaptive capacity of drylands. Sand dams can therefore be a promising adaptation response to the impacts of future climate change on drylands.
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) | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».