The role of indigenous knowledge and local knowledge in water sector adaptation to climate change in Africa: a structured assessment
Notice bibliographique
Résumé
Abstract Evidence is increasing of human responses to the impacts of climate change in Africa. However, understanding of the effectiveness of these responses for adaptation to climate change across the diversity of African contexts is still limited. Despite high reliance on indigenous knowledge (IK) and local knowledge (LK) for climate adaptation by African communities, potential of IK and LK to contribute to adaptation through reducing climate risk or supporting transformative adaptation responses is yet to be established. Here, we assess the influence of IK and LK for the implementation of water sector adaptation responses in Africa to better understand the relationship between responses to climate change and indigenous and local knowledge systems. Eighteen (18) water adaptation response types were identified from the academic literature through the Global Adaptation Mapping Initiative (GAMI) and intended nationally determined contributions (iNDCs) for selected African countries. Southern, West, and East Africa show relatively high evidence of the influence of IK and LK on the implementation of water adaptation responses, while North and Central Africa show lower evidence. At country level, Zimbabwe displays the highest evidence (77.8%) followed by Ghana (53.6%), Kenya (46.2%), and South Africa (31.3%). Irrigation, rainwater harvesting, water conservation, and ecosystem-based measures, mainly agroforestry, were the most implemented measures across Africa. These were mainly household and individual measures influenced by local and indigenous knowledge. Adaptation responses with IK and LK influence recorded higher evidence of risk reduction compared to responses without IK and LK. Analysis of iNDCs shows the most implemented water adaptation actions in academic literature are consistent with water sector adaptation targets set by most African governments. Yet only 10.4% of the African governments included IK and LK in adaptation planning in the iNDCs. This study recommends a coordinated approach to adaptation that integrates multiple knowledge sources, including IK and LK, to ensure sustainability of both current and potential water adaptation measures in Africa.
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 | 0,018 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».