Approaches to assess land degradation risk: a synthesis
Notice bibliographique
Résumé
Land degradation adversely affects the well-being of approximately 3.2 billion people worldwide and results in a loss of about 10% of annual gross domestic product. Degradation dynamics are often creeping and non-linear, hence the adverse consequences are often not immediately perceived. In consequence, methods for assessing future risks of land degradation and risk reduction strategies are trailing far behind those that have been developed within disaster risk research for natural hazards that appear as shocks, such as floods or earthquakes. Therefore, the objective of this paper is to analyze existing land degradation risk assessment approaches to assess what is hindering a link to land management strategies. The synthesis presented here reveals that while approaches to calculate land degradation risk have evolved to capture ever more processes and factors involved in land degradation, no consistent conceptual framework for land degradation risk has been developed to the present day. Key identified short-comings are that risk terminology is not consistent across and within studies and that there is often no distinction between a degradation status assessment and an assessment of future risk. Damage is rarely explicitly considered or quantified, and in the majority of studies there is no clear distinction between processes and drivers, hazard and vulnerability. Finally, novel conceptual ideas integrating the risk framework developed within disaster risk research are proposed to stimulate debate and facilitate the development of effective risk reduction measures for land degradation.
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 | 0,021 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,017 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».