Evaluating the effectiveness of hazard mapping as climate change adaptation for community planning in degrading permafrost terrain
Notice bibliographique
Résumé
Permafrost in northern Canada is susceptible to degradation due to rapid climate change, with hazard mapping promoted as an important activity to guide sustainable community adaptation and planning. This paper presents a framework for evaluating permafrost mapping exercises designed to inform climate change adaptation actions. We apply the framework using a case study of the Incorporating Climate Change into Land Development—Terrain Analysis project (ICCiLD). ICCiLD is a hazard mapping project utilizing interferometric synthetic aperture radar to monitor ground disturbance and categorize land development suitability in seven communities in the territory of Nunavut, Canada. We looked at one of the communities, Arviat, as our case study. We examined technical data and drew upon semi-structured interviews ( n = 19) with map creators and users. We found ICCiLD added new and relevant information for community planning, increased awareness of the risks posed by permafrost thaw and built stakeholder relations. Strong coordination and high public consciousness of local climate impacts emerged as key factors underpinning project success. Nevertheless, in the case of Arviat, the effectiveness of the hazard maps in influencing land-use planning was constrained by communication challenges between project creators and end-users. These challenges included limited community access to the data and uncertainty surrounding how to operationalize the map suitability classifications. Broader climate change adaptation challenges included the presence of other more immediate community planning priorities and a limited ability to incorporate Indigenous ways of knowing into a technical mapping project. The lessons from this evaluation provide insight for the development of mapping-based adaptations across Arctic regions.
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 | 0,059 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».