Beyond the risks to food availability – linking climatic hazard vulnerability with the food access of delta-dwelling households
Notice bibliographique
Résumé
Abstract Although climate-driven hazards have been widely implicated as a key threat to food security in the delta regions of the developing world, the empirical basis of this assertion has centred predominantly on the food availability dimension of food security. Little is known if climatic hazards could affect the food access of delta-resident households and who is likely to be at risk and why. We explored these questions by using the data from a sample of households resident within the Ganges-Brahmaputra-Meghna (GBM) delta in Bangladesh. We used an index-based analytical approach by drawing on the vulnerability and food security literature. We computed separate vulnerability indices for flood, cyclone, and riverbank erosion and assessed their effects on household food access through regression modelling. All three vulnerability types demonstrated significant negative effects on food access; however, only flood vulnerability could significantly reduce a household’s food access below an acceptable threshold. Households that were less dependent on natural resources for their livelihoods – including unskilled day labourers and grocery shop owners – were significantly more likely to have unacceptable level of food access due to floods. Adaptive capacity, measured as a function of household asset endowments, proved more important in explaining food access than the exposure-sensitivity to flood itself. Accordingly, we argue that improving food security in climatic hazard-prone areas of developing country deltas would require moving beyond agriculture or natural resources focus and promoting hazard-specific, all-inclusive and livelihood-focused asset-building interventions. We provide an example of a framework for such interventions and reflect on our analytical approach.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».