MétaCan
Menu
Retour à la cohorte
Enregistrement W3169482150 · doi:10.1016/j.indic.2021.100126

Evaluating the vulnerability of farming communities to winter storms in Iowa, US

2021· article· en· W3169482150 sur OpenAlexaff
Yiyi Zhang, Bingqing Liang

Notice bibliographique

RevueEnvironmental and Sustainability Indicators · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensMcGill University
Organismes subventionnairesCollege of Social and Behavioral Science, University of UtahCollege of Social and Behavioral Sciences, University of Northern IowaUniversity of Northern Iowa
Mots-clésStormVulnerability (computing)Adaptive capacityAgricultureGeographyMetropolitan areaVulnerability assessmentVulnerability indexExtreme weatherSocial vulnerabilityClimate changeEnvironmental scienceEnvironmental resource managementPsychological resilienceEcologyMeteorology

Résumé

récupéré en direct d'OpenAlex

Winter storms have been reported as the second-most frequent catastrophe in the Midwest of the United States and can create non-negligible impacts on farming communities that highly rely on climatic-sensitive resources and activities. However, few studies have attempted to assess the vulnerability to winter storms in rural contexts. Focusing on all counties in Iowa, US, as the study area, this research aimed to evaluate the vulnerability of farming communities to winter storms and its major determinants. It first identified both climatic and non-climatic indicators for quantifying winter storm exposure, sensitivity, and adaptive capacity by reviewing previous related studies and examining qualitative interview results. Then, spatial analysis tools were used to quantify and aggregate several indicators, such as winter temperature variation, natural shelter, energy capacity, and facility density. Next, factor analysis was employed to identify latent variables and estimate the index score for adaptive capacity. Finally, the vulnerability of Iowa counties to winter storms was calculated and mapped. The results showed that the determinants of adaptive capacity to winter storms in Iowa could be explained as farming economic status, environmental institutional capital, and innovative capital. Overall, high vulnerability was found in Southeast Iowa due to its low farming economic status and innovative capital, and Northwest Iowa as a result of high exposure and low environmental institutional capital. In a state with dominant farming communities, whether to include its major metropolitan areas to assess winter storm vulnerability seemed to only affect the evaluation of the general pattern of adaptive capacity but not exposure or sensitivity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,296
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental and Sustainability IndicatorsMême sujetClimate change impacts on agricultureTravaux en français237 207