A burning issue: Reviewing the socio-demographic and environmental justice aspects of the wildfire literature
Notice bibliographique
Résumé
Larger and more severe wildfires are becoming more frequent and impacting different communities and human settlements. Much of the scientific literature and media on wildfires has focused on area of ecosystems burned and numbers of structures destroyed. Equally unprecedented, but often less reported, are the increasing socioeconomic impacts different people and communities face from wildfires. Such information seems to indicate an emerging need to account for wildfire effects on peri-urban or wildland urban interface (WUI) areas, newer socio-demographic groups, and disadvantaged communities. To address this, we reviewed the socio-demographic dimensions of the wildfire literature using an environmental justice (EJ) lens. Specifically using a literature review of wildfires, human communities, social vulnerability, and homeowner mitigation, we conducted bibliometric and statistical analyses of 299 publications. The majority of publications were from the United States, followed by Canada and Australia, and most dealt with homeowner mitigation of risk, defensible space, and fuel treatments in WUI areas. Most publications studied the direct effects of wildfire related damage. Secondary impacts such as smoke, rural and urban communities, and the role of poverty and language were less studied. Based on a proposed wildfire-relevant EJ definition, the first EJ publication was in 2004, but the term was first used as a keyword in 2018. Studies in WUI communities statistically decreased the likelihood that a publication was EJ relevant. There was a significant relationship between EJ designation and inclusion of race/ethnicity and poverty variables in the study. Complexity across the various definitions of EJ suggest that it should not be used as a quantitative or binary metric; but as a lens to better understand socio-ecological impacts to diverse communities. We present a wildfire-relevant definition to potentially guide policy formulation and account for social and environmental justice issues.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».