What does resilience mean for urban water services?
Notice bibliographique
Résumé
Disasters and climate change impacts, as well as increased water demand, pose serious risks to the provision of sustainable urban water services, e.g., drinking water, sanitation, and safe drainage, especially in cities. These challenges call for a transition toward improved water management, including considerations of "resilience." However, because the resilience concept has multidisciplinary origins it is open to multiple interpretations, which poses a challenge to understanding and operationalizing the concept. We explore how resilience thinking can be translated into urban water practice to develop the conceptual understanding of transitions toward sustainability. The study is based on a literature review, interviews with water experts, as well as four case studies in South Africa, India, Sweden, and the Philippines. We identify seven key principles or attributes of urban water resilience and the related transition process. We find that resilience building needs to discern between and manage three levels (i.e., socioeconomic, external hazard considerations, and larger social-ecological systems) to be sustainable. In addition, we find that human agency is a strong driver of transition processes, with a certain level of risk awareness and risk perception providing one threshold and a certain capacity for action to implement measures and reorganize in response to risks being another. The difficulty of achieving "knowledge to action" derives from the multiple challenges of crossing these two types of identified thresholds. To address long-term trends or stressors, we find an important role for social learning to ensure that the carrying capacity of urban water services is not exceeded or unwanted consequences are created (e.g., long-term trends like salinization and water depletion). We conclude that the resilience term and related concepts add value to understanding and addressing the dynamic dimension of urban water transitions if the key principles identified in this study are considered.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,015 |
| Communication savante | 0,006 | 0,013 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».