Nature-Based Solutions for Urban Climate Change Adaptation: Linking Science, Policy, and Practice Communities for Evidence-Based Decision-Making
Notice bibliographique
Résumé
Nature-based solutions offer an exciting prospect for resilience building and advancing urban planning to address complex urban challenges simultaneously. In this article, we formulated through a coproduction process in workshops held during the first IPCC Cities and Climate Science Conference in Edmonton, Canada, in March 2018, a series of synthesis statements on the role, potential, and research gaps of nature-based solutions for climate adaptation and mitigation. We address interlocking questions about the evidence and knowledge needed for integrating nature-based solutions into urban agendas. We elaborate on the ways to advance the planning and knowledge agenda for nature-based solutions by focusing on knowledge coproduction, indicators and big data, and novel financing models. With this article, we intend to open a wider discussion on how cities can effectively mainstream nature-based solutions to mitigate and adapt to the negative effects of climate change and the future role of urban science in coproducing nature-based solutions.
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 | 0,276 | 0,240 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,013 | 0,008 |
| Études des sciences et des technologies | 0,008 | 0,037 |
| Communication savante | 0,032 | 0,038 |
| Science ouverte | 0,007 | 0,043 |
| Intégrité de la recherche | 0,015 | 0,024 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».