Supporting Local Climate Change Adaptation with the Participatory Geoweb: Findings from Coastal Nova Scotia
Notice bibliographique
Résumé
The effects of climate change have been detected in various natural systems in the last century (IPCC, 2014). As a consequence of these changes, governments are seeking to identify adaptive strategies for protecting citizens and vulnerable economic sectors (Adger et al., 2005; Smit & Wandel, 2006). Coastal areas are particularly susceptible to a changing climate as sea level continues to rise and storm surges become more powerful and frequent events. This research introduces the use of the participatory Geoweb as a tool (labelled “AdaptNS”) for supporting local climate change adaptation efforts in Shelburne County, Nova Scotia. AdaptNS serves as a visualization tool for displaying high-resolution interactive flood maps of sea level rise and storm surge scenarios between 2000 and 2100. The participatory aspect of this Geoweb tool is integrated as a means for decision-makers, stakeholders, and community members to identify adaptation priorities in response to climate change risks. This interdisciplinary approach was possible through the use of several technologies, including the Arcpy Python library for analysis, and a coupling of the Google Maps API and LAMP bundle for the front-end and back-end tool development. By using feedback from community members, AdaptNS was identified to support local adaptation by providing communities with comprehensive visuals of climate change risks, a platform for identifying adaptation priorities, and a means to communicate local risks to upper levels of government and businesses.
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 | 0,001 | 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 | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».