Multi-scenario multi-objective analysis of downscaled shared socio-economic pathways (SSPs) for robust policy development in coupled human-water systems
Notice bibliographique
Résumé
Abstract. Shared socio-economic pathways (SSP) scenario analysis is concerned with developing climate change adaptation strategies that perform well across a wide range of plausible future socio-economic and climate change conditions. However, downscaled/localized SSP scenarios, most relevant for regional climate adaptation, are poorly understood in terms of their deep uncertainties and how these scenarios can contribute to the development of robust regional policies in coupled human-water systems. In the present study, we propose a new framework that integrates a multi-scenario multi-objective (meta-criteria) optimization analysis of a set of downscaled/localized SSP storylines with the robust decision-making concept to find optimal robust solutions under deep uncertainty concerning regional climate adaptation. By developing an integrated dynamic simulation-optimization model, potential policy alternatives are investigated, and their robustness evaluated based on four key objectives: farm income, groundwater depletion, soil salinity, and reliability. Scenario-based multi-objective optimization for multiple SSP scenarios is merged into a robust optimization problem and evaluated in parallel. The proposed framework is applied to study potential robust solutions for vulnerabilities of a real-world human-water system in Pakistan's Rechna Doab region that has multiple stakeholders and conflicting objectives. The results revealed Pareto optimal solutions that are both optimally feasible and robustly efficient. The socio-environmental conditions of SSPs have a significant influence on the estimated robustness. The candidate solutions under scenario SSP1 are remarkably comparable to those offered by scenario SSP5, which was deemed to be the best among the SSPs evaluated. SSP3 was the least desirable of the SSP scenarios examined and solutions resulted in undesirable soil salinity, groundwater depletion, and reliability values. By incorporating SSP narratives and quantitative scenario analysis, the proposed framework revealed advantages for integrated dynamic modelling of human-water systems with a high level of uncertainty and complex interconnections to discover robust climate change adaptation solutions.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».