MétaCan
Menu
Retour à la cohorte
Enregistrement W4205495178 · doi:10.1029/2021ef002488

Increasing Heat‐Stress Inequality in a Warming Climate

2022· article· en· W4205495178 sur OpenAlexaff
Mohammad Reza Alizadeh, John T. Abatzoglou, Jan Adamowski, Jeffrey P. Prestemon, Bhaskar Chittoori, Ata Akbari Asanjan, Mojtaba Sadegh

Notice bibliographique

RevueEarth s Future · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensMcGill University
Organismes subventionnairesJoint Fire Science Program
Mots-clésQuartileInequalityAdaptive capacityAdaptation (eye)EconomicsSocioeconomic statusEconomic inequalityClimate extremesClimate changeDemographic economicsEnvironmental scienceGeographyNatural resource economicsEnvironmental healthMedicineMathematicsPopulationBiologyStatisticsEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Adaptation is key to minimizing heatwaves' societal burden; however, our understanding of adaptation capacity across the socioeconomic spectrum is incomplete. We demonstrate that observed heatwave trends in the past four decades were most pronounced in the lowest‐quartile income region of the world resulting in >40% higher exposure from 2010 to 2019 compared to the highest‐quartile income region. Lower‐income regions have reduced adaptative capacity to warming, which compounds the impacts of higher heatwave exposure. We also show that individual contiguous heatwaves engulfed up to 2.5‐fold larger areas in the recent decade (2010–2019) as compared to the 1980s. Widespread heatwaves can overwhelm the power grid and nullify the electricity dependent adaptation efforts, with significant implications even in regions with higher adaption capacity. Furthermore, we compare projected global heatwave exposure using per‐capita gross domestic product as an indicator of adaptation capacity. Hypothesized rapid adaptation in high‐income regions yields limited changes in heatwave exposure through the 21st century. By contrast, lagged adaptation in the lower‐income region translates to escalating heatwave exposure and increased heat‐stress inequality. The lowest‐quartile income region is expected to experience 1.8‐ to 5‐fold higher heatwave exposure than each higher income region from 2060 to 2069. This inequality escalates by the end of the century, with the lowest‐quartile income region experiencing almost as much heatwave exposure as the three higher income regions combined from 2090 to 2099. Our results highlight the need for global investments in adaptation capabilities of low‐income countries to avoid major climate‐driven human disasters in the 21st century.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 GPT0,291
Écart entre enseignants0,260 · 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

Citations133
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEarth s FutureMême sujetClimate Change and Health ImpactsTravaux en français237 207