A Global Analysis of the Relationship Between Urbanization and Fatalities in Earthquake-Prone Areas
Notice bibliographique
Résumé
Abstract Urbanization can be a challenge and an opportunity for earthquake risk mitigation. However, little is known about the changes in exposure (for example, population and urban land) to earthquakes in the context of global urbanization, and their impacts on fatalities in earthquake-prone areas. We present a global analysis of the changes in population size and urban land area in earthquake-prone areas from 1990 to 2015, and their impacts on earthquake-related fatalities. We found that more than two thirds of population growth (or 70% of total population in 2015) and nearly three quarters of earthquake-related deaths (or 307,918 deaths) in global earthquake-prone areas occurred in developing countries with an urbanization ratio (percentage of urban population to total population) between 20 and 60%. Holding other factors constant, population size was significantly and positively associated with earthquake fatalities, while the area of urban land was negatively related. The results suggest that fatalities increase for areas where the urbanization ratio is low, but after a ratio between 40 and 50% occurs, earthquake fatalities decline. This finding suggests that the resistance of building and infrastructure is greater in countries with higher urbanization ratios and highlights the need for further investigation. Our quantitative analysis is extended into the future using Shared Socioeconomic Pathways to reveal that by 2050, more than 50% of the population increase in global earthquake-prone areas will take place in a few developing countries (Pakistan, India, Afghanistan, and Bangladesh) that are particularly vulnerable to earthquakes. To reduce earthquake-induced fatalities, enhanced resilience of buildings and urban infrastructure generally in these few countries should be a priority.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».