How social and ecological characteristics shape transaction costs in polycentric wildfire governance: insights from the Sequoia-Kings Canyon Ecosystem, California, USA
Notice bibliographique
Résumé
Many contemporary social and ecological challenges in forested ecosystems (climate change, invasive species, wildland-urban interface development, and wildfires) span multiple jurisdictions and are characterized by complex patterns of social and ecological interdependencies. Increasing evidence suggests that interdependent risk can best be addressed by working across boundaries (jurisdictional, scalar, and expertise) by sharing information and cooperating in management activities. Polycentric governance has emerged as a framework to understand how multiple and overlapping centers of decision-making authority establish and maintain governance connectivity to solve collective action problems and interdependent risks. Previous studies have examined the collaborative and interorganizational process of polycentric landscape governance, yet most studies rely on qualitative case study data or descriptively employ social network analysis. Understanding the values, beliefs, and motivations of actors (land managers, landowners, researchers, policymakers, and non-governmental organizations) for cooperating is important for improving polycentric governance design, implementation, and operation. How the context and characteristics of social-ecological systems shape polycentric governance remains largely unexplored. On the basis of research in the Sequoia-Kings Canyon Protected Area-Centered Ecosystem, we address this gap by utilizing exponential random graph modeling to analyze the social and ecological drivers of polycentric wildfire governance. This research highlights that even in situations of high stakes (increasing occurrences of high-severity wildfires that escape suppression) actors will collaborate only if the gains from collaboration outweigh the costs. If jurisdictions or other organizations are thought to have low operational capacity or lack useful information, even with a high probability of large wildfire, the actor-to-actor connections are less likely for effective polycentric governance. Our results highlight previously undiscussed mechanisms of network formation in wildfire hazard governance, and we discuss the broader applicability for forest landscape challenges and for polycentric governance design and assessment in other social-ecological contexts.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».