Emerging Livelihood Vulnerabilities in an Urbanizing and Climate Uncertain Environment for the Case of a Secondary City in Thailand
Notice bibliographique
Résumé
Increasing flood risks in Thailand are leading to new challenges for flood management and subsequently for livelihoods, which are still significantly agricultural. Policy makers prefer building flood protection infrastructure over utilizing non-structural measures like urban planning regulations to mitigate risks. We argue that unplanned urbanization intensifies flood risks and livelihood vulnerability and may even create new poverty patterns in peri-urban areas. However, urbanization can also strengthen the adaptive capacity of people in flood risk areas by providing more secure employment opportunities. We assess the livelihood vulnerability of Pra Lab, a peri-urban area of Khon Kaen City in Northeast Thailand, using a qualitative and quantitative analysis. The study relies on a vulnerability index developed from a household survey and rainfall statistics, complemented by household in-depth interviews. We further identified factors of unplanned urbanization in Khon Kaen City and Pra Lab through interviews with relevant local government offices. Our findings show that Pra Lab’s household livelihoods are moderately vulnerable to flood due to high financial (i.e., income, debts) and physical vulnerability (i.e., housing, urban systems, infrastructure). Major factors of unplanned urbanization that contribute to flood risks are lack of land use regulations, inefficient monitoring of land and house elevations, reduced pervious surfaces, ineffective water governance and insufficient wastewater treatment.
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 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».