Feasibility assessment of climate change adaptation options across Africa: an evidence-based review
Notice bibliographique
Résumé
Abstract Considering the feasibility and effectiveness of adaptation options is essential for guiding responses to climate change that reduce risk. Here, we assessed the feasibility of adaptation options for the African context. Using the Global Adaptation Mapping Initiative, a stocktake of adaptation-related responses to climate change from the peer-reviewed literature in 2013–2020, we found 827 records of adaptation actions in Africa. We categorised and evaluated 24 adaptation options and for each option, six dimensions of feasibility were considered: economic, environmental, social, institutional, technological, and evidence of effectiveness. Over half (51%) of all adaptation actions were reported in the food sector where sustainable water management (SWM) was the most reported option. The fewest actions were reported for cities (5%). The majority of actions (53%) were recorded in just six countries: Ghana, Ethiopia, Kenya, Tanzania, Nigeria and South Africa. Encouragingly, effectiveness was assessed as medium or high for 95% of adaptation options. However, no options had high feasibility on any other dimension. Technological and institutional factors present major barriers to implementation. Crop management, SWM, sustainable agricultural practices, agroforestry, livelihood diversification, ecosystem governance and planning, health governance and planning, infrastructure and built environment, all had moderate feasibility across three or more dimensions. Human migration has low feasibility but high potential for risk reduction. Major knowledge gaps exist for environmental feasibility, for assessing adaptation limits at increasing levels of climate hazard, for economic trade-offs and synergies, and for Central and Northern Africa. Our results highlight sectors where enablers for adaptation can be increased. Future assessments can apply the method established here to extend findings to other national and local levels.
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 | 0,031 | 0,122 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,012 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».