Responding to the barriers in climate adaptation planning among transport systems: Insights from the case of the port of Montreal
Notice bibliographique
Résumé
With the accelerating pace of climate change, there has been no scarcity of research, in recent years, that assess climate risks and cost-effectiveness of adaptation measures in the transport sector. Nevertheless, existing literature associated with adaptation planning for climate change is still at an embryonic stage with little attention on certain potential dilemmas. Understanding such, this paper focuses on the question of how to respond to the barriers in climate adaptation planning in transport systems. This is achieved mainly through reviewing the literature in transport adaptation to climate change impacts to summarize eights conditions (potential barriers) that the shortage of those might lead to the failure of climate adaptation planning. Next, those conditions are examined by a historical case study between 2014 and 2015 on the Canadian port of Montreal's experience in tackling the Great Lakes and St. Lawrence River's dropping water level. The findings, via semi-structured interviews with affiliated senior experts, closely mirror the enablers influencing the success of a climate adaptation plan, revealing the impediments and opportunities in the existing and future planning. It offers constructive recommendations on how to improve the port of Montreal’s, and ports and transport infrastructures in general, process and practice of adaptation planning. The study strives to bridge the research gaps and provide decision-makers with a novel thinking pattern and workable recommendations from design, implementation to the reconstruction of adaptation planning and facilitate a paradigm shift in broader sustainable transport management.
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 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 | 0,001 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».