GIS-Based Material Stock Analysis (MSA) of Climate Vulnerabilities to the Tourism Industry in Antigua and Barbuda
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the past decades, the Caribbean economy has transformed to rely primarily on tourism with a vast amount of infrastructure dedicated to this sector. At the same time, the region is subject to repeated crises in the form of extreme weather events that are becoming more frequent, deadly, and costly. Damages to buildings and infrastructure (or the material stocks) from storms disrupt the local economy by an immediate decline in tourists and loss of critical services. In Antigua and Barbuda (A&B), tourism contributes 80% to the GDP and is a major driver for adding new material stocks to support the industry. This research analyzes A&B’s material stocks (MSs) in buildings (aggregates, timber, concrete, and steel) using geographic information systems (GIS) with physical parameters such as building size and footprint, material intensity, and the number of floors. In 2004, the total MSs of buildings was estimated at 4.7 million tonnes (mt), equivalent to 58.5 tonnes per capita, with the share of non-metallic minerals to be highest (2.9 mt), followed by aggregates (1.2 mt), steel (0.44 mt), and timber (0.18 mt). Under the National Oceanic and Atmospheric Administration’s (NOAA’s) 2 meter (m) sea level rise scenario, an estimated 4% of the island’s total MSs would be exposed. The tourism sector would disproportionately experience the greatest exposure of 19% of its MSs. By linking stocks to services, our research contributes to the understanding of the complexities between the environmental and economic vulnerability of island systems, and the need for better infrastructure planning as part of resilience building.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle