Climate change adaptation to extreme heat: a global systematic review of implemented action
Notice bibliographique
Résumé
Abstract Extreme heat events impact people and ecosystems across the globe, and they are becoming more frequent and intense in a warming climate. Responses to heat span sectors and geographic boundaries. Prior research has documented technologies or options that can be deployed to manage extreme heat and examples of how individuals, communities, governments and other stakeholder groups are adapting to heat. However, a comprehensive understanding of the current state of implemented heat adaptations—where, why, how and to what extent they are occurring—has not been established. Here, we combine data from the Global Adaptation Mapping Initiative with a heat-specific systematic review to analyze the global extent and diversity of documented heat adaptation actions (n = 301 peer-reviewed articles). Data from 98 countries suggest that documented heat adaptations fundamentally differ by geographic region and national income. In high-income, developed countries, heat is overwhelmingly treated as a health issue, particularly in urban areas. However, in low- and middle-income, developing countries, heat adaptations focus on agricultural and livelihood-based impacts, primarily considering heat as a compound hazard with drought and other hydrological hazards. 63% of the heat-adaptation articles feature individuals or communities autonomously adapting, highlighting how responses to date have largely consisted of coping strategies. The current global status of responses to intensifying extreme heat, largely autonomous and incremental yet widespread, establishes a foundation for informed decision-making as heat impacts around the world continue to increase.
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 | 0,034 | 0,121 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,020 | 0,024 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».